Coni di luce ombreggiati (SLC)
qiskit-addon-slc è un pacchetto per il calcolo del cono di luce ombreggiato (SLC) [1] di un osservabile rispetto a un circuito quantistico. Nel contesto della cancellazione probabilistica degli errori (PEC), i coni di luce ombreggiati sono simili ai coni di luce binari convenzionali, in quanto la mancata correzione degli errori al di fuori del cono di luce può ridurre la varianza (ovvero il costo di campionamento). L'ombreggiatura del cono di luce consente di spingere ulteriormente questa strategia, assegnando scale ai generatori di errore di Pauli all'interno del cono di luce causale. Gli errori a cui sono assegnate scale più piccole hanno un effetto minore sull'osservabile; escluderli dal modello di rumore può ridurre la varianza (ovvero il costo di campionamento) a scapito di un certo bias. Il pacchetto qiskit-addon-slc offre agli utenti la possibilità di eseguire l'ombreggiatura con cono di luce e di gestire il compromesso tra costo di campionamento e errore sistematico.
Guida introduttiva
Nella guida rapida è disponibile una guida semplice che ti aiuterà a muovere rapidamente i primi passi con questo pacchetto.
Esempi di casi di utilizzo
Questa tecnica è stata utilizzata per ottimizzare il costo di campionamento del PEC su un circuito di Ising speculare a 20 qubit [tutorial].
Discussione tecnica
Panoramica del metodo
I coni di luce ombreggiati vengono calcolati e utilizzati in 5 fasi:
- Calcolare un limite massimo dell'effetto di ciascun termine di errore di Pauli sull'osservabile alla fine del circuito (limite massimo in avanti)
- Calcolare un limite massimo dell'effetto di ciascun termine di errore di Pauli sullo stato iniziale all'inizio del circuito (limite a ritroso)
- Stimare approssimativamente il contributo di bias per ciascun termine di errore di Pauli utilizzando i limiti forward/backward e il tasso di errore del termine stesso
- Ordinare i termini di errore in base al loro tasso di errore e ai relativi limiti. Troncare i termini del modello di rumore che hanno l'effetto minore sul valore atteso osservabile fino al raggiungimento della tolleranza di bias specificata dall'utente. In alternativa, è possibile aggiungere i termini di errore più rilevanti a un modello di rumore fino a esaurire il budget di costo di campionamento specificato dall'utente.
- Mitigare il modello di rumore troncato. Utilizzando il modello di esecuzione diretta descritto all'indirizzo Qiskit Runtime, è semplice specificare i termini di errore da ignorare durante il campionamento PEC. Per ulteriori dettagli, consulta il tutorial.
Funzioni software
- Calcolo parallelo asincrono vincolato
- Propagazione accelerata dalla ruggine
- Consente il calcolo anticipato dei limiti (cioè prima dell’effettivo apprendimento del rumore)
Problemi noti
- Windows non è supportato
- InjectNoise(site=”before” e) non supportato
- Non supporta la fusione dei legami a livello dettagliato
Lavori futuri
- Calcolo degli autovalori accelerato tramite Rust per la determinazione dei limiti in avanti
- Altre guide saranno disponibili a breve
contribuzione
Il codice sorgente è disponibile su GitHub.
La guida per gli sviluppatori si trova all'indirizzo CONTRIBUTING.md nella directory principale del repository di questo progetto. Partecipando, ci si aspetta che tu rispetti il codice di condotta di Qiskit.
Utilizziamo le segnalazioni su GitHub per tenere traccia delle richieste e dei bug.
Come citare questo pacchetto
Se utilizzi questo pacchetto nella tua ricerca, usa il file “ CITATION.bib ” presente nel repository di questo progetto per citare i riferimenti bibliografici appropriati.
Licenza
Politica di obsolescenza
Seguiamo il sistema di versioning semantico. Occasionalmente potremmo apportare modifiche sostanziali al fine di migliorare l'esperienza dell'utente. Ove possibile, manterremo le vecchie interfacce e le contrassegneremo come obsolete, purché possano coesistere con quelle nuove. Ogni miglioramento sostanziale, modifica che comporta incompatibilità o funzionalità deprecata sarà documentata nelle note di rilascio.
contribuzione
Il codice sorgente è disponibile su GitHub.
La guida per gli sviluppatori è disponibile all'indirizzo CONTRIBUTING.md. Partecipando, ci si aspetta che tu rispetti il codice di condotta di Qiskit.
Utilizziamo le segnalazioni su GitHub per tenere traccia delle richieste e dei bug.
Riferimenti
- Andrew Eddins e altri, Ombreggiamento del cono di luce per la mitigazione degli errori quantistici con accelerazione classica, arXiv:2409.04401v1 [quant-ph].