Hardware-Efficient Error Mitigation and Shot-Efficient Sampling on IBM Quantum Hardware
本論文は、制約のある実行予算下におけるIBM Quantumハードウェア上での誤差緩和技術と有限ショットサンプリングの間のトレードオフを実験的に評価しており、緩和戦略が推定精度を向上させる場合と、サンプリングのゆらぎがその利点を打ち消してしまう場合についての、ハードウェアを考慮した特性評価を提供している。
原論文は CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。 免責事項の全文を読む
サーバー室の静かな唸りの中で、新しい種類のコンピュータが思考することを学んでいる。超伝導回路から作られ、深宇宙よりも冷たい温度まで冷却されたこれらのマシンは、今日のスーパーコンピュータが解くのに数千年かかるような問題を解決することを約束している。しかし、一つ問題がある。これらの量子コンピュータは非常に脆弱なのだ。わずかな振動や熱によって、計算が狂ってしまうことがある。まだ完全にエラーに対して免疫を持つマシンを構築できていないため、科学者たちは「エラー緩和（error mitigation）」と呼ばれる一連の手法を開発してきた。これらの手法は、マシンの壊れた部分を修理するのではなく、同じ計算を何度も実行し、間違いの中にパターンを見出すことで、正しい答えが本来どうであったはずかを推測しようとするものである。これらのノイズ混じりの結果を組み合わせることで、静止画の中から明確な信号を取り出せるという希望に基づいている。
しかし、これらの手法には隠れたコストが存在する。より良い推測を得るためには、コンピュータは計算をより多く実行しなければならず、「ショット（shots）」として知られる限られたリソースを消費することになる。ショットとは、単にマシンに結果を測定させる回数のことである。エラーを修正するためにショットを使いすぎると、単に計算を数回実行してノザイスを受け入れた場合よりも、精度の低い結果になってしまう可能性がある。この「間違いを直すこと」と「試行回数がなくなること」の間の緊張関係こそが、研究者たちが解決しようとしている中心的なパズルである。彼らは、これらの補正方法がいつ助けになり、いつ実際に状況を悪化させてしまうのかを正確に知る必要がある。特に、現在利用可能な実機において。
インド工科大学ジョドプル校のある研究者は、このバランスを実際の稼働中の量子コンピュータでテストすることに決めた。彼らは、現在のテクノロジーの最先端を象ло代表する、IBM製の強力な156量子ビットプロセッサを使用した。彼らの目的は、単にエラー訂正が機能するかどうかを確認することではなく、総試行回数を固定した状態で、公平にそれを測定することであった。動いている物体を撮影するために、固定された時間があると想像してみてほしい。長時間露光を行えばブレるかもしれないが、あるいは、多くの短いスナップショットを撮ってそれらを組み合わせることもできる。研究者は、利用可能な総時間が両方の方法で同じである場合、多くのスナップショットを撮って特定の数学的レシピで組み合わせることで、本当に一つの長いショットを撮るよりも鮮明な写真が得られるのかを知りたかったのである。
研究者は、コンピュータに与えられる指示である「回路」の異なるタイプを用いて、一連の実験を設定した。彼らは単純な量子ビットの鎖、繰り返される操作のパターン、そして最適化問題に使用される特定の種類の計算をテストした。彼らは、生の未補正の結果と、いくつかの補正戦略を比較した。一つの戦略は、マシンが最終的な答えを読み取る際に発生するエラーを補正するものだった。もう一つは、計算を異なるレベルの人工的なノザイス下で実行し、ノイズが全くなかった場合に結果がどうなるかを数学的に推測するものだった。また、彼らは、特定の計算部分がどの程度ノイズが多いかに基づいて、その部分の実行回数を決定しようとする、スマートで適応的な手法もテストした。
結果は驚くほど微細な差異を含んでいた。研究者は、スマートな適応型の手法が自動的に勝利するわけではないことを見出した。実際、スマートな手法を、すべての部分を同じ回数実行する単純な一様の手法と比較したところ、スマートな手法がより優れた性能を示したのは6つのシナリオのうち2つだけであった。他の4つのシナリオでは、単純な一様のアプローチの方が実際により正確であった。このことは、事前のノイズチェックに基づいてショットの割り当てを常に調整するという複雑な戦略が、必ずしも改善を保証するものではないことを示唆している。時には、「スマート」にショットをどこに使うかを図ろうとする余分な努力が、かえって最終的な答えを悪化させてしまうことがある。
もう一つの重要な発見は、補正手法が科学者たちが期待した通りにバイアス、すなわち系統的なエラーを必ずしも修正しなかったことである。上向きと下向きの状態のパターンを含む特定の種類の計算において、ノイズを取り除くように設計された手法が、実際にはエラーを以前よりも大きくしてしまった。研究者は、コンピュータが可能な範囲の限界に近い値を測定するように求められた際、ノイズを取り除くための数学的なトリックが、時として「オーバーシュート（行き過ぎ）」を起こし、答えを真実からさらに遠ざけてしまうことを観察した。これは、その手法が広く使用され信頼されているにもかかわらず起こったことである。このことは、これらのツールがあらゆる状況で機能する魔法の杖ではなく、古い問題を解決しようとして新しい問題を引き起こすこともあることを示した。
この研究は、コンピュータ自体の物理的なレイアウトの重要性も浮き彫りにした。研究者は、チップ上のどの配線を使用するかを選択するだけで、結果に大きな違いが生じることを発見した。低エラーであることが知られている一対の配線を使用したとき、結果は、同じチップ内の高エラーであることが知られている別の配線のペアを使用したときよりも大幅に良好であった。これら二つの配線のペアの品質の差は非常に大きく、計算にいくつかの追加の複雑な層を加えたことによる差に匹敵するほどであった。これは、ソフトウェアでエラーを修正しようとする前に、コードを実行するためのマシンの最適な物理的部分を慎重に選択することの方が、同様に重要である可能性があることを意味している。
最終的に、研究者は、エラー緩和を使用すべき時期に関する単一の普遍的なルールは存在しないと結論付けた。その決定は、特定のマシン、実行される特定の計算、および利用可能な試行回数に完全に依存する。彼らがテストしたIBMプロセッサにおいて、テストされた適応的なショット割り当て戦略は、単純な一様アプローチよりも優れていなかった。多くの場合、標準的なエラー補正手法は、結果の不確実性を減少させるのではなく、むしろ増大させた。研究者は、他の人々が実験を再現できるように、すべてのデータ、コード、および使用した正確な指示を公開した。彼らの研究は、現在のノイズの多い量子コンピューティングの世界において、最も洗練された解決策が常に最善であるとは限らないこと、そして、これら強力だがコストのかかる修正策を適用する前に、注意深く誠実なテストが必要であることを思い出させるものである。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。