L'informatique quantique continue de progresser à un rythme rapide, mais un défi qui freine le domaine est d'atténuer le bruit qui afflige les machines quantiques. Cela conduit à des taux d'erreur beaucoup plus élevés par rapport aux ordinateurs classiques.

Ce bruit est souvent causé par des signaux de contrôle imparfaits, des interférences de l'environnement et des interactions indésirables entre les qubits, qui sont les éléments constitutifs d'un ordinateur quantique. L'exécution de calculs sur un ordinateur quantique implique un "circuit quantique", qui est une série d'opérations appelées portes quantiques. Ces portes quantiques, qui sont mappées sur les qubits individuels, modifient les états quantiques de certains qubits, qui effectuent ensuite les calculs pour résoudre un problème.

Mais les portes quantiques introduisent du bruit, ce qui peut entraver les performances d'une machine quantique.

Des chercheurs du MIT et d'ailleurs s'efforcent de surmonter ce problème en développant une technique qui rend le circuit quantique lui-même résistant au bruit. (Plus précisément, il s'agit de circuits quantiques "paramétrés" qui contiennent des portes quantiques ajustables.) L'équipe a créé un cadre capable d'identifier le circuit quantique le plus robuste pour une tâche informatique particulière et de générer un modèle de cartographie adapté aux qubits d'un quantique ciblé. appareil.

Leur cadre, appelé QuantumNAS (recherche adaptative de bruit), est beaucoup moins intensif en calcul que les autres méthodes de recherche et peut identifier des circuits quantiques qui améliorent la précision des tâches d'apprentissage automatique et de chimie quantique. Lorsque les chercheurs ont utilisé leur technique pour identifier des circuits quantiques pour de vrais dispositifs quantiques, leurs circuits ont surpassé ceux générés à l'aide d'autres méthodes.

"L'idée clé ici est que, sans cette technique, nous devons échantillonner chaque architecture de circuit quantique et chaque scénario de cartographie dans l'espace de conception, les former, les évaluer, et si ce n'est pas bon, nous devons le jeter et recommencer. Mais en utilisant cette méthode, nous pouvons obtenir de nombreux circuits et stratégies de cartographie différents à la fois sans avoir besoin de nombreuses formations », explique Song Han, professeur agrégé au Département de génie électrique et informatique (EECS) et auteur principal de le papier.

L'auteur principal Hanrui Wang et Yujun Lin, tous deux étudiants diplômés de l'EECS, se joignent à Han pour l'article; Yongshan Ding, professeur adjoint d'informatique à l'Université de Yale; David Z. Pan, titulaire de la chaire dotée de Silicon Laboratories en génie électrique à l'Université du Texas à Austin, et Jiaqi Gu, étudiant diplômé de l'UT Austin; Fred Chong, professeur Seymour Goodman au Département d'informatique de l'Université de Chicago; et Zirui Li, étudiant de premier cycle à l'Université Jiao Tong de Shanghai. La recherche sera présentée au Symposium international de l'IEEE sur l'architecture informatique haute performance.

De nombreux choix de conception

La construction d'un circuit quantique paramétré implique la sélection d'un certain nombre de portes quantiques, qui sont des opérations physiques que les qubits effectueront. Ce n'est pas une tâche facile, car il existe de nombreux types de portes à choisir. Un circuit peut également avoir n'importe quel nombre de portes, et les positions de ces portes (à quels qubits physiques elles correspondent) peuvent varier.

"Avec autant de choix différents, l'espace de conception est extrêmement vaste. Le défi consiste à concevoir une bonne architecture de circuit. Avec QuantumNAS, nous voulons concevoir cette architecture de manière à ce qu'elle soit très résistante au bruit", déclare Wang.

Les chercheurs se sont concentrés sur les circuits quantiques variationnels, qui utilisent des portes quantiques avec des paramètres entraînables qui peuvent apprendre une tâche d'apprentissage automatique ou de chimie quantique. Pour concevoir un circuit quantique variationnel, un chercheur doit généralement concevoir le circuit à la main ou utiliser des méthodes basées sur des règles pour concevoir le circuit pour une tâche particulière, puis essayer de trouver l'ensemble idéal de paramètres pour chaque porte quantique grâce à un processus d'optimisation. .

Dans la méthode de recherche naïve, dans laquelle les circuits possibles sont évalués individuellement, les paramètres de chaque circuit quantique candidat doivent être formés, ce qui entraîne une surcharge de calcul massive. Mais le chercheur doit également identifier le nombre idéal de paramètres et l'architecture du circuit en premier lieu.

Dans les réseaux de neurones classiques, inclure plus de paramètres augmente souvent la précision du modèle. Mais en informatique quantique variationnelle, plus de paramètres nécessitent plus de portes quantiques, qui introduisent plus de bruit.

Avec QuantumNAS, les chercheurs cherchent à réduire le coût global de recherche et de formation tout en identifiant le circuit quantique qui contient le nombre idéal de paramètres et l'architecture appropriée pour maximiser la précision et minimiser le bruit.

Construire un 'SuperCircuit'

Pour ce faire, ils conçoivent d'abord un "SuperCircuit", qui contient toutes les portes quantiques paramétrables possibles dans l'espace de conception. Ce SuperCircuit sera utilisé pour générer des circuits quantiques plus petits qui pourront être testés.

Ils forment le SuperCircuit une fois, puis parce que tous les autres circuits candidats dans l'espace de conception sont des sous-ensembles du SuperCircuit, ils héritent des paramètres correspondants qui ont déjà été formés. Cela réduit la surcharge de calcul du processus.

Une fois le SuperCircuit formé, ils l'utilisent pour rechercher des architectures de circuits répondant à un objectif ciblé, en l'occurrence une grande robustesse au bruit. Le processus implique la recherche simultanée de circuits quantiques et de mappages de qubits à l'aide de ce que l'on appelle un algorithme de recherche évolutif.

Cet algorithme génère des circuits quantiques et des candidats de mappage de qubits, puis évalue leur précision avec un modèle de bruit ou sur une machine réelle. Les résultats sont renvoyés à l'algorithme, qui sélectionne les pièces les plus performantes et les utilise pour relancer le processus jusqu'à ce qu'il trouve les candidats idéaux.

"Nous savons que différents qubits ont des propriétés et des taux d'erreur de porte différents. Puisque nous n'utilisons qu'un sous-ensemble de qubits, pourquoi n'utilisons-nous pas les plus fiables ? Nous pouvons le faire grâce à la co-recherche de l'architecture et du qubit cartographie », explique Wang.

Une fois que les chercheurs sont arrivés au meilleur circuit quantique, ils entraînent ses paramètres et effectuent un élagage de porte quantique en supprimant toutes les portes quantiques qui ont des valeurs proches de zéro, car elles ne contribuent pas beaucoup à la performance globale. La suppression de ces portes réduit les sources de bruit et améliore encore les performances des vraies machines quantiques. Ensuite, ils affinent les paramètres restants pour récupérer toute précision perdue.

Une fois cette étape terminée, ils peuvent déployer le circuit quantique sur une machine réelle.

Lorsque les chercheurs ont testé leurs circuits sur de vrais dispositifs quantiques, ils ont surpassé toutes les lignes de base, y compris les circuits conçus à la main par des humains et d'autres fabriqués à l'aide d'autres méthodes de calcul. Dans une expérience, ils ont utilisé QuantumNAS pour produire un circuit quantique résistant au bruit qui a été utilisé pour estimer l'énergie de l'état fondamental d'une molécule particulière, ce qui est une étape importante dans la chimie quantique et la découverte de médicaments. Leur méthode a fait une estimation plus précise que n'importe laquelle des lignes de base.

Maintenant qu'ils ont montré l'efficacité du QuantumNAS, ils veulent utiliser ces principes pour rendre les paramètres d'un circuit quantique robustes au bruit. Les chercheurs souhaitent également améliorer l'évolutivité d'un réseau de neurones quantiques en formant un circuit quantique sur une vraie machine quantique, plutôt qu'un ordinateur classique.

"Il s'agit d'un travail intéressant qui recherche une cartographie ansatz et qubit robuste au bruit des circuits quantiques paramétriques", déclare Yiyu Shi, professeur d'informatique et d'ingénierie à l'Université de Notre Dame, qui n'a pas participé à cette recherche. "Différent de la méthode de recherche naïve qui forme et évalue individuellement un grand nombre de candidats, ce travail entraîne un SuperCircuit et l'utilise pour évaluer de nombreux candidats, ce qui est beaucoup plus efficace."

"Dans ce travail, Hanrui et ses collaborateurs atténuent le défi de rechercher un circuit quantique paramétrisé efficace en formant un SuperCircuit et en l'utilisant pour évaluer de nombreux candidats, ce qui devient très efficace car il nécessite une procédure de formation. Une fois le SuperCircuit formé, il peut être utilisé pour rechercher l'ansatz du circuit et la cartographie qubit. Après avoir formé le SuperCircuit, nous pouvons l'utiliser pour rechercher l'ansatz du circuit et la cartographie qubit. Le processus d'évaluation est effectué à l'aide de modèles de bruit ou en cours d'exécution sur la vraie machine quantique ", explique Sona Najafi , chercheur chez IBM Quantum qui n'a pas participé à ce travail. "Le protocole a été testé à l'aide de machines quantiques IBMQ sur des tâches VQE et QNN démontrant une énergie à l'état fondamental plus précise et une précision de classification plus élevée."

Pour encourager davantage de travail dans ce domaine, les chercheurs ont créé une bibliothèque open source, appelée TorchQuantum, qui contient des informations sur leurs projets, des tutoriels et des outils pouvant être utilisés par d'autres groupes de recherche. + Explorer plus loin

Des chercheurs ont réussi à simuler un circuit de 64 qubits