シェーディングされたライトコーン（SLC）
qiskit-addon-slc これは、量子回路に関する観測量のシェード付きライトコーン（SLC） [1] を計算するためのパッケージです。 確率的誤差相殺（PEC）の文脈において、シェーディングされたライトコーンは、ライトコーンの外側の誤差を軽減しないことで分散（すなわちサンプリングコスト）を低減できるという点で、従来のバイナリ・ライトコーンと類似している。 ライトコーンシェーディングを用いることで、因果ライトコーン内のパウリ誤差発生源にスケールを割り当てることにより、この戦略をさらに推し進めることが可能となる。 スケールが小さいと割り当てられた誤差は、観測値への影響が小さくなります。ノイズモデルからこれらの誤差を切り捨てることで、ある程度のバイアスを犠牲にする代わりに、分散（すなわちサンプリングコスト）を低減することができます。 このパッケージ qiskit-addon-slc を使用すると、ライトコーンシェーディングを実行したり、サンプリングコストとバイアスのバランスを調整したりすることができます。
始めに
このパッケージをすぐに使い始めるための簡単なガイドは、「 クイックスタートガイド 」に掲載されています。
ユースケース例
この手法は、20キュービットのミラー型アイジング回路におけるPECのサンプリングコストを改善するために用いられてきた [チュートリアル]。
技術的な議論
メソッド概説
シェーディングされたライトコーンは、以下の5つのステップで計算され、使用されます
- 回路の終了時点における観測量に対する各パウリ誤差項の影響の上限を算出する（順方向の上限）
- 回路の開始時点における初期状態に対する各パウリ誤差項の影響の上限を算出する（後方境界）
- フォワード／バックワードの境界値および各項の誤り率を用いて、各パウリ誤差項のバイアス寄与を近似する
- 誤差項を、その誤差率と誤差の上限に基づいて優先順位付けする。 観測可能な期待値への影響が最も小さいノイズモデルの項を、ユーザーが指定したバイアスの許容範囲に達するまで切り捨てます。 あるいは、ユーザーが指定したサンプリングコストの予算が満たされるまで、最も影響力の大きい誤差項をノイズモデルに追加していくことも可能です。
- 切り捨てノイズモデルを緩和する。 Qiskit Runtime の指向性実行モデルを用いれば、PECサンプリング中に無視すべき誤差項を指定するのは簡単です。 詳細については、 チュートリアルをご覧ください。
ソフトウェアの機能
- 並列非同期バウンド計算
- Rustによる伝播の高速化
- 事前の境界計算（すなわち、実際のノイズ学習に先立って）を可能にする
既知の問題
- Windowsはサポート対象外です
- InjectNoise(site=”before” ) はサポートされていません
- きめ細かなバウンドマージには対応していません
今後の課題
- フォワードバウンドの計算のためのRustを用いた固有値計算の高速化
- その他のガイドは近日公開予定です
寄稿
ソースコードは GitHub で公開されています。
開発者向けガイドは、このプロジェクトのリポジトリのルートディレクトリにある CONTRIBUTING.md にあります。 参加される際は、Qiskitの行動規範を遵守していただくようお願いいたします。
リクエストやバグの追跡には、 GitHub の課題を利用しています。
このパッケージを参照する
このパッケージを研究で利用する場合は、本プロジェクトのリポジトリにある CITATION.bib ファイルを用いて、適切な参考文献を引用してください。
ライセンス
非推奨ポリシー
弊社ではセマンティック・バージョニングを採用しています。 ユーザー体験を向上させるため、時折、互換性を損なう変更を行う場合があります。 可能な限り、古いインターフェースは、新しいインターフェースと共存できるのであれば、そのまま残し、非推奨としてマークします。 大幅な機能改善、互換性を損なう変更、または非推奨となる機能については、すべてリリースノートに記載されます。
寄稿
ソースコードは GitHub で公開されています。
開発者向けガイドは、 CONTRIBUTING.md に掲載されています。 参加される際は、Qiskitの行動規範を遵守していただくようお願いいたします。
リクエストやバグの追跡には、 GitHub の課題を利用しています。
参照
- アンドルー・エディンズほか、 古典的加速による量子エラー低減のためのライトコーンシェーディング、 arXiv:2409.04401v1 [quant-ph]。