LSTMネットワークを用いたNISQ向け量子回路の忠実度向上手法

• Item type: SIG Technical Reports(1)
• 公開日: 2023-06-22
• タイトル: LSTMネットワークを用いたNISQ向け量子回路の忠実度向上手法
• 言語: jpn
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: 慶應義塾大学
• 著者所属: 慶應義塾大学
• 著者所属: 慶應義塾大学／理化学研究所
• 著者名: マオ, イーカイ; シュレスタマリ, サソット; 近藤, 正章
• 著者名(英): Yikai, Mao; Shaswot, Shresthamali
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: NISQ コンピュータは今後の数年間で有用な処理が実行できると期待されているが，現状では量子ビットのノイズの影響も多く，単純な量子回路あってもノイズの多い出力結果が得られることが多い．そのため，出力結果が意味のある計算なのか，それとも単なるランダムなノイズなのかを区別することが難しく，結果となる量子回路の忠実度をどの程度信頼できるのかを検討することは重要である．本稿では，まず量子回路の忠実度を推定するための単純な評価指標を導入する．この指標を用い，量子回路が外部環境と相互作用する際の忠実度に関してその時間的な変化を観察する．また，忠実度の推定を時系列の予測問題として捉え，LSTM（Long Short-Term Memory）ニューラルネットワークを利用することで，忠実度をより良く推定する手法を提案する．本手法の推定結果を利用することで，例えば量子ハードウェアへの量子ビットのマッピングを最適化することが可能になる．本予測手法は，ハードウェアキャリブレーションのデータやゲートのエラー率を別途入力することなく，ほぼ任意の量子コンピュータの出力結果の忠実度を予測できることも利点である．IBM の量子コンピュータ環境において QASMbench で評価したところ，本予測手法では 0.0515 の平均 RMSE を達成し，Qiskit Transpiler の標準的な回路配置最適化ツールである mapomatic よりも最大で 24.7 倍の高い精度を得ることができた．また，本予測を Transpile された回路セットから高忠実度の回路配置の選択に使用した場合は，上位 10% の配置の忠実度を 0.0252 の平均 RMSE で予測することができ，mapomatic の最大 32.8 倍の精度を達成できることがわかった．
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AA12894105
• 書誌情報: 研究報告量子ソフトウェア（QS）; 巻 2023-QS-9, 号 14, p. 1-7, 発行日 2023-06-22
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2435-6492
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会