Qurrium: A Python package for randomized measurement-based estimation of quantum state properties
Dieses Paper stellt Qurrium vor, ein auf Qiskit basierendes Open-Source-Python-Paket, das randomisierte Messprotokolle, insbesondere das Classical-Shadow-Protokoll, implementiert, um Eigenschaften von Quantenzuständen wie Reinheit und Entropie sowohl durch End-to-End-Simulations-Workflows als auch durch die eigenständige Analyse bereits gesammelter Hardware-Daten zu schätzen.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
In der Welt des Quantencomputings ist das wertvollste Gut, das eine Maschine produzieren kann, eine spezifische Anordnung ihrer internen Komponenten, bekannt als Quantenzustand. Diese Zustände sind das Rohmaterial für die Lösung komplexer Probleme, von der Simulation neuer Materialien bis hin zum Knacken von Codes. Diese Zustände sind jedoch unglaublich fragil und schwer zu beschreiben. Im Gegensatz zu einem klassischen Computerbit, das einfach nur eine Null oder eine Eins ist, existiert ein Quantenzustand in einem riesigen, mehrdimensionalen Raum, in dem er eine Mischung aus vielen Möglichkeiten gleichzeitig sein kann. Um zu verstehen, was ein Quantencomputer eigentlich macht, müssen Wissenschaftler ihn messen. Aber der Akt der Messung eines Quantensystems ist knifflig; er zwingt das System dazu, in ein einzelnes, definites Ergebnis zu kollabieren, wodurch die empfindlichen Informationen, die zuvor existierten, zerstört werden. Wenn ein Wissenschaftler die volle Natur des Zustands kennen möchte, kann er nicht einfach nur einmal hineinschauen. Er muss den Prozess viele Male wiederholen, aber dies so zu tun, dass das gesamte Bild enthüllt wird, ohne den gesamten Zustand von Grund auf rekonstruieren zu müssen, ist eine monumentale Herausung. Hier wird die Notwendigkeit effizienter, zuverlässiger Methoden, um in die Quantenmaschine hineinzublicken, entscheidend.
Ein Team von Forschern hat ein neues Software-Tool namens Qurrium entwickelt, um dieses Problem zu lösen. Das Tool wurde entwickelt, um Wissenschaftlern dabei zu helfen, die Eigenschaften dieser schwer fassbaren Zustände mithilfe einer Methode namens randomisierter Messungen zu schätzen. Anstatt zu versuchen, jedes einzelne Detail eines Quantenzustands zu messen, was eine unmögliche Menge an Zeit in Anspruch nehmen würde, besteht dieser Ansatz darin, viele zufällige Schnappschüsse zu machen. Stellen Sie sich vor, Sie versuchen, die Form eines komplexen Objekts in einem dunklen Raum zu verstehen, indem Sie eine Taschenlampe aus vielen verschiedenen, zufälligen Winkeln darauf richten. Sie sehen nicht das ganze Objekt auf einmal, aber indem Sie genügend dieser zufälligen flüchtigen Blicke sammeln, können Sie ein zuverlässiges Bild seiner allgemeinen Form erstellen. In der Quantenwelt bedeutet dies, zufällige Rotationen auf die Qubits anzuwenden, bevor man sie misst, und dann einen Computer zu verwenden, um die Ergebnisse zusammenzufügen, um Dinge wie die Reinheit des Zustands, die Menge der darin enthaltenen Information oder die Ähnlichkeit mit einem anderen Zustand abzuschätzen.
Die Forscher haben Qurrium als Paket für Python aufgebaut, die populärste Programmiersprache in der wissenschaftlichen Gemeinschaft, das speziell für die Arbeit mit Qiskit entwickelt wurde, dem führenden Software-Framework für Quantencomputing. Diese Designentscheidung bedeutet, dass das Tool für die tausenden von Forschern, die bereits Qiskit nutzen, sofort zugänglich ist, wodurch die Barriere des Lernens einer neuen, spezialisierten Sprache entfällt. Die Software bietet zwei verschiedene Arbeitsweisen an. Die erste ist ein vollständiger End-to-End-Workflow, bei dem ein Benutzer einen Quantenschaltkreis vorbereiten, die randomisierten Messungen durchführen und die Ergebnisse alle innerhalb desselben Programms analysieren kann. Die zweite ist ein eigenständiges Tool für Wissenschaftler, die bereits Daten von einer echten Quantenmaschine gesammelt haben. Dies ermöglicht es ihnen, ihre bestehenden Messprotokolle in die Software einzuspeisen, um Antworten zu extrahieren, ohne die Simulationsschritte erneut durchlaufen zu müssen. Diese Flexibilität ist entscheidend, da sie die Lücke zwischen theoretischer Simulation und der unordentlichen Realität physischer Hardware überbrückt.
Um die Funktionsfähigkeit des Tools zu beweisen, testete das Team es in zwei sehr unterschiedlichen Szenarien. Zuerst untersuchten sie einen „Clusterzustand“, eine spezifische Art der Quantenanordnung, die als Ressource für das Quantencomputing dient. Sie nutzten die Software, um zu prüfen, wie gut der Zustand zusammenhält, und um die Verbindungen zwischen verschiedenen Teilen des Systems zu messen. Die Ergebnisse stimmten perfekt mit den theoretischen Vorhersagen überein und zeigten, dass die Software die Reinheit des Zustands und die Überlappung des Clusterzustands mit anderen bekannten Zuständen genau berechnen konnte. Zweitens betrachteten sie ein System, das sich über die Zeit gemäß den Regeln des Ising-Modells entwickelt – ein klassisches Framework zum Verständnis der Wechselwirkungen von Spins in einem Material. Sie verfolgten, wie sich der Zustand während seiner Entwicklung veränderte, indem sie die Entropie, also die Unordnung des Systems, zu verschiedenen Zeitpunkten maßen. In diesen Tests verglichen sie die Analyse der Software von Daten aus einer perfekten, rauschfreien Simulation mit Daten, die von einem echten, physischen Quantenprozessor der Academia Sinica in Taiwan gesammelt wurden.
Die Ergebnisse der echten Hardware zeigten die erwarteten Imperfektionen. Während die ideale Simulation glatte, vorhersehbare Kurven erzeugte, zeigten die Daten des physischen Prozessors Abweichungen, die das Vorhandensein von Rauschen und Fehlern offenbarten, die in der heutigen Technologie inhärent sind. Beispielsweise zeigte die echte Maschine bei der Messung der Überlappung zwischen dem sich entwickelnden Zustand und seinem Ausgangspunkt einen größeren Genauigkeitsverlust als die Simulation, was darauf hindeutete, dass die physischen Qubits ihre Kohärenz schneller verloren als erwartet. Trotz dieser Fehler erfasste die Software erfolgreich das allgemeine Verhalten des Systems und demonstrierte damit, dass sie in der Lage ist, zwischen dem wahren Quantendynamik-Signal und dem durch die Hardware eingeführten Rauschen zu unterscheiden. Diese Fähigkeit, Signal von Rauschen zu trennen, ist entscheidend für das Benchmarking und die Verbesserung zukünftiger Quantengeräte.
Das Paper kommt zu dem Schluss, dass Qurrium einen robusten und zugänglichen Weg zur Charakterisierung von Quantenzuständen bietet und damit die fortgeschrittene Analyse einer breiteren Forschergemeinschaft zugänglich macht. Durch die Unterstützung sowohl vollständiger Simulationen als auch der Analyse von Realdaten hilft das Tool Wissenschaftlern, die Fähigkeiten und Grenzen ihrer Quantenhardware zu verstehen. Die Forscher heben zudem hervor, dass die Software so erweitert werden kann, dass sie die direkte Hardwareausführung unterstützt, was es Nutzern ermöglicht, Experimente durchzuführen und die Ergebnisse in einer einzigen Umgebung zu analysieren. Darüber hinaus eröffnet die Fähigkeit, Zustände, die auf verschiedenen Maschinen vorbereitet wurden, unter Verwendung derselben randomisierten Messdaten zu vergleichen, die Tür für eine standardisierte Verifizierung über verschiedene Quantenplattformen hinweg. Diese Arbeit beansprucht nicht, alle Probleme der Quantenmessung gelöst zu haben, bietet aber eine praktische, effiziente und Open-Source-Lösung, die die komplexe Aufgabe der Quantenzustandscharakterisierung näher an die alltägliche Praxis der Quantenwissenschaftler bringt.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.