En ny artikel från forskare vid University of Chicago introducerar en teknik för att sammanställa mycket optimerade kvantinstruktioner som kan utföras på hårdvara på kort sikt. Denna teknik är särskilt väl lämpad för en ny klass av variationsmässiga kvantalgoritmer, som är lovande kandidater för att visa användbara kvanthastigheter. Det nya arbetet möjliggjordes genom att förena idéer över stapeln, spänner över kvantalgoritmer, maskininlärning, kompilatorer, och enhetsfysik. Den tvärvetenskapliga forskningen utfördes av medlemmar i samarbetet EPiQC (Enabling Practical-scale Quantum Computation), en NSF Expedition in Computing.

Anpassning till ett nytt paradigm för kvantalgoritmer

Den ursprungliga visionen för kvantalgoritmer dateras till början av 1980-talet, när fysikern Richard Feynman föreslog att utföra molekylära simuleringar med bara tusentals brusfria qubits (kvantbitar), en praktiskt taget omöjlig uppgift för traditionella datorer. Andra algoritmer som utvecklades på 1990- och 2000-talen visade att tusentals brusfria qubits också skulle erbjuda dramatiska hastigheter för problem som databassökning, heltalsfaktoring, och matrisalgebra. Dock, trots de senaste framstegen inom kvanthårdvara, dessa algoritmer är fortfarande decennier borta från skalbara realiseringar, eftersom nuvarande hårdvara har brusiga qubits.

För att matcha begränsningarna för nuvarande och kortsiktiga kvantdatorer, ett nytt paradigm för variationsmässiga kvantalgoritmer har nyligen dykt upp. Dessa algoritmer hanterar liknande beräkningsutmaningar som de ursprungligen tänkta kvantalgoritmerna, men bygg motståndskraft mot brus genom att lämna vissa interna programparametrar ospecificerade. Istället, dessa interna parametrar lärs in genom variation över upprepade försök, styrs av en optimerare. Med en robust optimerare, en variationsalgoritm kan tolerera måttliga ljudnivåer.

Även om bruståligheten hos variationsalgoritmer är tilltalande, det utgör en utmaning för sammanställning, processen att översätta en matematisk algoritm till de fysiska instruktionerna som slutligen exekveras av hårdvara.

"Avvägningen mellan variationsmässiga och traditionella kvantalgoritmer är att medan variationssätt är billiga i antalet grindar, de är dyra i antalet repetitioner som behövs, '' sa Fred Chong, Seymour Goodman professor i datavetenskap vid UChicago och ledande PI för EPiQC. "Medan traditionella kvantalgoritmer är helt specificerade vid exekveringstidpunkten och därigenom fullt optimerbar förexekvering, variationsprogram specificeras endast delvis vid körningstidpunkten."

Delvis sammanställning

Forskarna tar upp frågan om delvis specificerade program med en parallell teknik som kallas partiell sammanställning. Pranav Gokhale, en doktorand från UChicago förklarar, "Även om vi inte helt kan kompilera en variationsalgoritm före exekvering, vi kan åtminstone förkompilera delarna som är specificerade." För typiska variationsalgoritmer, bara denna enkla heuristik räcker, levererar 2x speedups i kvantkörning i förhållande till standard gate-baserad kompileringsteknik. Eftersom qubits avtar exponentiellt med tiden, denna körtidshastighet leder också till minskningar av felfrekvensen.

För mer komplicerade algoritmer, forskarna tillämpar ett andra lager av optimeringar som numeriskt karakteriserar variationer på grund av de ospecificerade parametrarna, genom en process som kallas hyperparameteroptimering. "Att spendera några minuter på justering av hyperparameter och partiell kompilering leder till timmar av besparingar i exekveringstid", sammanfattar Gokhale. Professor Chong noterar att detta tema om att realisera kostnadsbesparingar genom att flytta resurser – vare sig det är mellan traditionell och kvantberäkning eller mellan kompilering och utförande – ekar i flera andra EPiQC-projekt.

Forskarna siktar sedan på att demonstrera sitt arbete experimentellt. Sådan experimentell validering har blivit möjlig först nyligen, med lanseringen av molntillgängliga kvantdatorer som kan styras på nivån med analoga pulser. Denna nivå av kontroll är mycket närmare hårdvara än standard gate-baserad kontroll, och forskarna förväntar sig att uppnå större effektivitetsvinster från detta pulsgränssnitt.

Forskarnas uppsats, "Partial Compilation of Variational Algorithms for Noisy Intermediate-Scale Quantum Machines" (arXiv-länk) kommer att presenteras på MICRO datorarkitekturkonferensen i Columbus, Ohio den 14 oktober. Gokhale och Chongs medförfattare inkluderar Yongshan Ding, Thomas Propson, Christopher Winkler, Nelson Leung, Yunong Shi, David I. Schuster, och Henry Hoffmann, alla också från University of Chicago.