Enabling High Performance Debugging for Variational Quantum Algorithms using Compressed Sensing
Enabling High Performance Debugging for Variational Quantum Algorithms using Compressed Sensing
复制标题
使用压缩感知实现变分量子算法的高性能调试
DOI：
10.1145/3579371.3589044
复制
发表时间：
2023
期刊：
影响因子：
--
通讯作者：
Tannu, Swamit
中科院分区：
文献类型：
--
作者：
Hao, Tianyi;Liu, Kun;Tannu, Swamit
变分量子算法（VQA）可以使用当代噪声中间尺度量子（NISQ）计算机解决实际问题。VQA通过经典地优化由参数化量子电路计算的损失函数来在存在量子比特错误的情况下找到接近最优的解决方案。然而，由于量子硬件的可用性有限、错误率高以及经典模拟的显著开销，开发和测试VQA具有挑战性。此外，VQA研究人员必须为电路参数选择正确的初始化，利用合适的经典优化器配置，并部署适当的错误缓解方法。不幸的是，这些任务是在一个特设的方式今天，因为没有软件工具来配置和调整的VQA hyperparameters.In本文中，我们提出了OSCAR（cCompressed Sensing based Cost lAndscape Reconstruction），以帮助配置：1）正确的初始化，2）降噪技术，和3）经典的优化器，以最大限度地提高质量的解决方案在NISQ硬件。OSCAR通过为用户提供损失函数景观，而无需运行网格搜索所需的数千个量子电路，从而实现高效的调试和性能调整。使用OSCAR，我们可以准确地重建完整的成本景观，速度高达100倍。此外，OSCAR可以通过内插计算景观来即时计算优化器函数查询，从而使VQA配置的试运行大大降低了开销。
Variational quantum algorithms (VQAs) can potentially solve practical problems using contemporary Noisy Intermediate Scale Quantum (NISQ) computers. VQAs find near-optimal solutions in the presence of qubit errors by classically optimizing a loss function computed by parameterized quantum circuits. However, developing and testing VQAs is challenging due to the limited availability of quantum hardware, their high error rates, and the significant overhead of classical simulations. Furthermore, VQA researchers must pick the right initialization for circuit parameters, utilize suitable classical optimizer configurations, and deploy appropriate error mitigation methods. Unfortunately, these tasks are done in an ad-hoc manner today, as there are no software tools to configure and tune the VQA hyperparameters.In this paper, we present OSCAR (cOmpressed Sensing based Cost lAndscape Reconstruction) to help configure: 1) correct initialization, 2) noise mitigation techniques, and 3) classical optimizers to maximize the quality of the solution on NISQ hardware. OSCAR enables efficient debugging and performance tuning by providing users with the loss function landscape without running thousands of quantum circuits as required by the grid search. Using OSCAR, we can accurately reconstruct the complete cost landscape with up to 100X speedup. Furthermore, OSCAR can compute an optimizer function query in an instant by interpolating a computed landscape, thus enabling the trial run of a VQA configuration with considerably reduced overhead.
登录
查看更多内容
群不变量子机器学习
DOI：
10.1103/prxquantum.3.030341
发表时间：
2022
期刊：
ArXiv
影响因子：
--
作者：
Martín Larocca;F. Sauvage;Faris M. Sbahi;Guillaume Verdon;Patrick J. Coles;M. Cerezo
通讯作者：
M. Cerezo
DOI：
10.1109/iiswc53511.2021.00015
发表时间：
2021
期刊：
2021 IEEE International Symposium on Workload Characterization (IISWC
影响因子：
--
作者：
Ravi, Gokul Subramanian;Smith, Kaitlin N.;Gokhale, Pranav;Chong, Frederic T.
通讯作者：
Chong, Frederic T.
用于测试和调试 Quantum 程序的基于投影的运行时断言
影响因子：
--
作者：
Li, Gushu;Zhou, Li;Yu, Nengkun;Ding, Yufei;Ying, Mingsheng;Xie, Yuan
通讯作者：
Xie, Yuan
网格点处的双变量样条插值
影响因子：
2.1
作者：
G. Nürnberger;Th. Riessinger
通讯作者：
Th. Riessinger
Bugs4Q：量子程序真实错误的基准
DOI：
10.1109/ase51524.2021.9678908
发表时间：
2021
期刊：
2021 36th IEEE/ACM International Conference on Automated Software Engineering (ASE)
影响因子：
--
作者：
Pengzhan Zhao;Jianjun Zhao;Zhongtao Miao;Shuhan Lan
通讯作者：
Shuhan Lan