오류 완화

양자 오류 완화는 양자 컴퓨터의 오류 영향을 줄이기 위한 일련의 기술입니다.

양자 장치는 수행되는 계산 품질을 저하시키는 환경 잡음의 영향을 받기 쉽습니다. 내결함성 양자 컴퓨팅은 이 문제에 대한 해결책을 제시하지만, 현재의 양자 장치는 큐비트 수와 상대적으로 높은 오류율로 인해 제한됩니다. 단기적으로 이 문제를 해결하기 위해 연구자들은 잡음이 많은 양자 계산의 정확도를 개선하는 방법을 연구하고 있습니다. 양자 오류 완화로 알려진 이 접근 방식에는 잡음이 있는 측정 데이터에서 다양한 기술을 사용하여 최상의 신호를 추출하는 것이 포함됩니다.

오류 완화: IonQ Aria

오류 완화에는 여러 물리적 회로를 실행하고 측정치를 결합하여 결과를 개선하는 것이 포함됩니다. 이 IonQ Aria 장치에는 디바이어싱이라는 오류 완화 방법이 있습니다.

디바이어싱은 회로를 다양한 큐비트 순열 또는 다양한 게이트 분해에 작용하는 여러 변형으로 매핑합니다. 이를 통해 측정 결과를 편향시킬 수 있는 다양한 회로 구현을 사용함으로써 게이트 과회전 또는 단일 결함 큐비트와 같은 시스템 오류의 영향을 줄일 수 있습니다. 이로 인해 여러 큐비트와 게이트를 교정하는 데 드는 추가 오버헤드가 발생합니다.

편향 제거에 대한 자세한 내용은 대칭화를 통한 양자 컴퓨터 성능 향상을 참조하십시오.

참고

디바이어싱을 사용하려면 최소 2500장의 사진이 필요합니다.

다음 코드를 사용하여 IoQ Aria 디바이스에서 디바이어싱과 함께 퀀텀 작업을 실행할 수 있습니다.

from braket.aws import AwsDevice
from braket.circuits import Circuit
from braket.error_mitigation import Debias

device = AwsDevice("arn:aws:braket:us-east-1::device/qpu/ionq/Aria-1")
circuit = Circuit().h(0).cnot(0, 1)

task = device.run(circuit, shots=2500, device_parameters={"errorMitigation": Debias()})

result = task.result()
print(result.measurement_counts)
>>> {"00": 1245, "01": 5, "10": 10 "11": 1240} # result from debiasing

양자 작업이 완료되면 양자 작업의 측정 확률과 결과 유형을 확인할 수 있습니다. 모든 변이의 측정 확률과 개수가 단일 분포로 집계됩니다. 기대값과 같이 회로에 지정된 모든 결과 유형은 총 측정 카운트를 사용하여 계산됩니다.

선명화

샤프닝이라는 다른 후처리 전략을 사용하여 계산된 측정 확률에 액세스할 수도 있습니다. 선명하게 하기 기능을 사용하면 각 변형의 결과를 비교한 후 일치하지 않는 사진을 삭제하여 여러 변형에서 가장 가능성이 높은 측정 결과를 얻을 수 있습니다. 자세한 내용은 대칭화를 통한 양자 컴퓨터 성능 향상을 참조하십시오.

중요한 점은 샤프닝은 출력 분포의 형태가 희박하고 확률이 0인 상태가 많으며 희박한 것으로 가정한다는 것입니다. 이 가정이 유효하지 않을 경우 확률 분포가 왜곡될 수 있습니다.

Braket Python SDK의 additional_metadata 필드에서 예리한 분포를 통해 확률에 액세스할 수 있습니다. GateModelTaskResult 참고로 샤프닝은 측정 카운트를 반환하지 않고 대신 다시 정규화된 확률 분포를 반환합니다. 다음 코드 스니펫은 샤프닝 후 분포에 액세스하는 방법을 보여줍니다.

print(result.additional_metadata.ionqMetadata.sharpenedProbabilities)
>>> {"00": 0.51, "11": 0.549} # sharpened probabilities