Sintesi Tecnica: Analisi della Fedeltà End-to-End dell'Ottimizzazione di Circuiti Quantistici

Definizione del Problema

La fedeltà dei calcoli quantistici su dispositivi NISQ (Noisy Intermediate-Scale Quantum) è limitata dagli errori di gate, dalla decoerenza e dal carico di compilazione. Mentre una ricerca significativa si è concentrata su passaggi di ottimizzazione a livello di gate (ad esempio, ottimizzazione peephole, rewriting globale), l'impatto end-to-end di queste trasformazioni sulla fedeltà fisica a livello di impulso rimane insufficientemente caratterizzato. I confronti tra i compilatori attuali spesso si affidano a metriche fuorvianti, come il conteggio totale dei gate, che non riescono a distinguere tra operazioni a singolo qubit e a due qubit. Poiché i gate a due qubit dominano il budget di errore nei processori superconduttori, la riduzione del conteggio totale dei gate non si traduce necessariamente in un miglioramento delle prestazioni dell'hardware. Inoltre, le strategie di ottimizzazione sono frequentemente valutate in isolamento, ignorando l'interazione tra le decisioni a livello di gate e la fedeltà di esecuzione fisica.

Metodologia

Gli autori presentano qco-integration, un framework end-to-end che connette un ottimizzatore di circuiti C++ ad alte prestazioni a un modello di fedeltà Lindblad per singolo gate. Il sistema opera attraverso una pipeline a cinque stadi:

1. Parse e Validazione: I circuiti in input in OpenQASM 3.0 vengono analizzati e validati.
2. Ottimizzazione: Un ottimizzatore C++ applica una sequenza configurabile di quattro passaggi: Cancellazione dei Gate, Analisi della Commutazione, Fusione delle Rotazioni ed Eliminazione dell'Identità.
3. Routing: L'algoritmo SABRE mappa i qubit logici sulle topologie hardware fisiche (specificamente il layout heavy-hex di IQM Garnet), inserendo gate SWAP dove necessario.
4. Compilazione a Impulsi: I gate nativi (PRX, CZ) sono compilati in sequenze di impulsi a microonde con durate calibrate (20 ns per singolo qubit, 40 ns per due qubit).
5. Simulazione: Un modello di equazione master di Lindblad per singolo gate calcola i canali rumorosi. A differenza delle simulazioni dell'intero circuito, questo approccio risolve l'equazione su sottospazi di uno o due qubit per ogni gate, componendo i risultati. Il modello include rilassamento $T_1/T_2$, dephasing puro e un canale depolarizzante calibrato.

Il framework è stato valutato su 371 circuiti benchmark (GHZ, QFT, QAOA e Random) per un totale di 4.452 esecuzioni sperimentali. Lo studio ha incluso:

• Studi di Ablazione: Valutazione dei singoli passaggi, analisi leave-one-out e test di sensibilità dell'ordine dei passaggi.
• Confronto tra Compilatori: Benchmarking dell'ottimizzatore custom (QCO) rispetto ai livelli di trasposizione di Qiskit (L0–L3) rivolti sia ai gate di base virtuali che a quelli nativi di IQM.
• Validazione Hardware: Esecuzione di otto circuiti rappresentativi sul processore a 20 qubit IQM Resonance Garnet per confrontare le previsioni simulate con la fedeltà misurata.

Contributi Chiave

1. Architettura di Integrazione Modulare: Un sistema disaccoppiato che connette l'ottimizzazione C++ con l'analisi a livello di impulso basata su Python tramite OpenQASM e JSON.
2. Modello di Fedeltà Lindblad per Singolo Gate: Un modello scalabile che si cross-valida con qiskit-dynamics e scala linearmente con il numero di gate, consentendo l'analisi di ampi corpora di circuiti.
3. Studio di Ablazione Sistematico: Una valutazione formale dei passaggi di ottimizzazione utilizzando le dimensioni dell'effetto di Cohen $d$ e i test di Kruskal–Wallis per isolare i contributi e gli effetti di ordinamento.
4. Metriche Rilevanti per l'Hardware: Una dimostrazione che il conteggio dei gate a due qubit, piuttosto che il conteggio totale dei gate, è la metrica appropriata per confrontare l'efficacia dei compilatori sull'hardware superconduttore.
5. Benchmarking Hardware: Un benchmark provenniente da IQM Garnet (8/8 job completati) che quantifica il divario tra simulazione e realtà.

Risultati

Efficacia dell'Ottimizzazione

• Dominanza della Cancellazione: La cancellazione dei gate è il principale motore di miglioramento, rimuovendo 3.780 gate nell'intero corpus e migliorando il 72,0% dei circuiti. Essa rappresenta un grande effetto dimensionale ($d=1,66$).
• Ruolo Marginale degli Altri Passaggi: La fusione delle rotazioni, la commutazione e l'eliminazione dell'identità hanno mostrato effetti trascurabili in isolamento ($d < 0,2$).
• Ordine dei Passaggi: L'ordine dei quattro passaggi non ha un effetto statisticamente significativo sugli esiti dell'ottimizzazione (Kruskal–Wallis $p=0,302$).

Predittori di Fedeltà

• Correlazioni Negative: La dimensione del circuito (gate di input, $r=-0,78$) e la durata dell'impulso ($r=-0,73$) sono i più forti predittori negativi della fedeltà di processo ($R^2=0,53$).
• Sensibilità al Rumore: Il beneficio relativo dell'ottimizzazione aumenta con la severità del rumore, fornendo un miglioramento relativo della fedeltà del 50% nei regimi di rumore molto elevati rispetto all'8% in regimi di basso rumore.

Confronto tra Compilatori (QCO vs. Qiskit)

• Riduzione dei Due-Qubit: QCO ha ottenuto una riduzione superiore dei gate a due qubit nei circuiti strutturati: 100% per QAOA e 87,8% per QFT. Al contrario, Qiskit (L3) ha ottenuto solo il 1,5% e il 12,2% rispettivamente.
• Il Conteggio Totale dei Gate è Fuorviante: Qiskit L2/L3 ha mostrato un alto abbattimento dei gate totali (47,7%), ma questo era guidato dalla consolidazione dei singoli qubit ($u_3$), risultando in una riduzione dei due-qubit di solo il 9,3%.
• Circuiti Random: Per i circuiti random non strutturati, Qiskit-L3-IQM ha superato QCO (16,0% vs. 3,2% di riduzione dei due-qubit), evidenziando il valore delle strategie di ottimizzazione general-purpose per carichi di lavoro non strutturati.

Validazione Hardware

• Il Modello come Limite Superiore: Il modello Lindblad ha costantemente sovrastimato la fedeltà assoluta sull'hardware reale con una media di 0,49.
• Preservazione dell'Ordinamento: Nonostante l'offset assoluto, il modello ha preservato correttamente l'ordinamento della difficoltà relativa dei circuiti (ad esempio, i circuiti GHZ meno profondi hanno mantenuto una fedeltà maggiore rispetto ai circuiti QFT più profondi).
• Budget di Errore: Il divario quantifica le fonti di errore non modellate, tra cui crosstalk, leakage ed errori di readout/SPAM.

Significato e Rivendicazioni

Il documento sostiene di fornire una guida concreta per la progettazione di compilatori quantistici nell'era NISQ, colmando il divario tra l'ottimizzazione astratta dei gate e la fedeltà fisica a livello di impulso.

• Guida Pratica: Gli autori concludono che i progettisti di compilatori dovrebbero dare priorità alla cancellazione dei gate (che porta quasi tutto il valore dell'ottimizzazione), riportare i conteggi dei gate a due qubit invece dei conteggi totali e evitare l'over-engineering dell'ordine dei passaggi.
• Specificità del Dominio: I risultati suggeriscono che i compilatori di produzione dovrebbero incorporare sia passaggi general-purpose (efficaci per i circuiti random) sia strategie specifiche del dominio (essenziali per algoritmi strutturati come QFT e QAOA).
• Limitazioni del Modello: Gli autori dichiarano esplicitamente che il loro modello è un'approssimazione scalabile che omette le correlazioni tra gate e il crosstalk. Il benchmark hardware serve a quantificare questo "gap di ottimismo" piuttosto che a validare i valori assoluti di fedeltà.
• Lavoro Futuro: Il documento nota che stabilire i miglioramenti dell'ottimizzazione su un hardware con sufficiente potenza statistica richiede un lavoro futuro con più shot e ripetizioni, e che estendere il framework ad altri dispositivi e ottimizzatori di circuiti non strutturati è un passo logico successivo.

Il lavoro è rilasciato come open-source per facilitare la comparabilità del benchmarking della compilazione quantistica.