MIT博士親自揭秘QuantumNAS設(shè)計(jì)與實(shí)現(xiàn)，讓量子電路更魯棒

量子計(jì)算近年發(fā)展迅速，它利用量子力學(xué)定律來解決對經(jīng)典計(jì)算機(jī)來說過于復(fù)雜的問題。對于量子計(jì)算機(jī)而言，其特點(diǎn)主要有運(yùn)行速度較快、處置信息能力較強(qiáng)、應(yīng)用范圍較廣等。與一般計(jì)算機(jī)相比，信息處理量愈多，對于量子計(jì)算機(jī)實(shí)施運(yùn)算也就愈加有利，也就更能確保運(yùn)算具備精準(zhǔn)性。

相比于傳統(tǒng)計(jì)算機(jī)，量子計(jì)算機(jī)有其優(yōu)勢，但同時(shí)也面臨著諸多問題，例如設(shè)計(jì)、制造和編程都非常困難，其中如何減輕量子噪聲是發(fā)展該領(lǐng)域的一項(xiàng)重要挑戰(zhàn)，因?yàn)榉浅４蟮脑肼暿沟迷谡鏅C(jī)上運(yùn)行的實(shí)驗(yàn)結(jié)果受到影響，嚴(yán)重降低了結(jié)果的準(zhǔn)確性。

為了解決量子噪聲問題，研究人員正在努力開發(fā)一種使量子電路對噪聲具有魯棒性的技術(shù)。有研究人員設(shè)計(jì)出一個(gè)框架 QuantumNAS，可以為特定計(jì)算任務(wù)識別出最強(qiáng)大的量子電路，并生成針對目標(biāo)量子比特量身定制的映射模式。為了鼓勵(lì)在這一領(lǐng)域開展更多工作，研究人員還創(chuàng)建了一個(gè)名為 TorchQuantum 的開源庫。

為了幫助讀者更好的了解這背后的技術(shù)，在 4 月 21 日晚 20:00-21:00 的技術(shù)分享中，機(jī)器之心機(jī)動(dòng)組將以「量子計(jì)算參數(shù)化電路搜索 QuantumNAS 的設(shè)計(jì)及實(shí)現(xiàn)」為主題，邀請 MIT 博士生王瀚銳，為大家解密量子噪聲背后的相關(guān)技術(shù)。

特邀嘉賓分享主題：量子計(jì)算參數(shù)化電路搜索 QuantumNAS 的設(shè)計(jì)及實(shí)現(xiàn)

分享嘉賓：王瀚銳，MIT 博士生，研究方向量子計(jì)算系統(tǒng)和機(jī)器學(xué)習(xí)，在 HPCA，ACL, DAC, NeurIPS 等會(huì)議發(fā)表多篇論文，曾獲高通獎(jiǎng)學(xué)金，百度獎(jiǎng)學(xué)金，DAC Young Fellow，Analog Devices outstanding student designer 等獎(jiǎng)項(xiàng)。

分享背景：本次講座主要講解兩部分內(nèi)容，第一部分為 QuantumNAS framework；第二部分為 TorchQuantum library。

第一部分 QuantumNAS：

近幾年，量子計(jì)算機(jī)得到飛速發(fā)展，目前已經(jīng)有 127 量子比特的通用量子計(jì)算機(jī)可以使用。雖然量子比特?cái)?shù)量變多，但是近期量子計(jì)算機(jī)的瓶頸仍然是量子噪聲。非常大的噪聲使得在真機(jī)上運(yùn)行的實(shí)驗(yàn)結(jié)果受到影響，嚴(yán)重降低了結(jié)果的準(zhǔn)確性。

QuantumNAS 的目標(biāo)是提高參數(shù)化量子電路的魯棒性，使得他們在量子計(jì)算機(jī)上運(yùn)行時(shí)可以更少的受到噪聲影響。對于參數(shù)化量子電路來說，實(shí)現(xiàn)同樣的目標(biāo)，可以有很多種不同架構(gòu)的電路，用到不同數(shù)量和位置的量子門，QuantumNAS 可以找到最適合目標(biāo)機(jī)器的量子電路架構(gòu)，以及對應(yīng)的量子比特映射 (Qubit mapping)。

具體來說：

該研究借鑒了經(jīng)典深度學(xué)習(xí)中的神經(jīng)網(wǎng)絡(luò)搜索 (NAS) 的思路，首先構(gòu)建一個(gè)包含很多種架構(gòu)的量子電路 SuperCircuit，在訓(xùn)練這個(gè) SuperCircuit 時(shí)，每一步會(huì)采樣一個(gè)全部量子門的子集（SubCircuit），然后只更新這個(gè) SubCircuit 中的參數(shù)，通過訓(xùn)練很多步，我們可以得到一個(gè)訓(xùn)練好的 SuperCircuit 并且可以用它來估計(jì)在設(shè)計(jì)空間里所有的 Subcircuit 的性能。

第二步，該研究會(huì)在設(shè)計(jì)空間里進(jìn)行搜索，并且將真機(jī)的噪聲信息考慮在內(nèi)。研究者使用的搜索算法是遺傳算法，搜索目標(biāo)是 SubCircuit 的架構(gòu)和它的量子比特映射。在驗(yàn)證 SubCircuit 的性能時(shí)，可以使用某個(gè)真機(jī)運(yùn)行，或者噪聲仿真器來得到有噪聲影響下的目標(biāo)電路的性能，在很多個(gè)搜索的 iteration 之后，會(huì)得到一個(gè)在目標(biāo)真機(jī)上最優(yōu)的 SubCircuit 的架構(gòu)。

第三步，將搜索得到的 SubCircuit 從頭訓(xùn)練。

第四步，對訓(xùn)練得到的 SubCircuit 進(jìn)行剪枝（Pruning），去掉那些參數(shù)很小的量子門。因?yàn)樗麄儗ψ罱K結(jié)果的影響很小。

最后，將搜索、訓(xùn)練、剪枝后的 SubCircuit 在真機(jī)上進(jìn)行部署，得到實(shí)驗(yàn)結(jié)果。

研究者使用 VQE 和量子神經(jīng)網(wǎng)絡(luò)這兩種任務(wù)來進(jìn)行驗(yàn)證，實(shí)驗(yàn)結(jié)果表明該研究可以比 baseline 得到更接近真實(shí)值的 VQE 結(jié)果，和更高的量子神經(jīng)網(wǎng)絡(luò) MNIST 圖片分類精確度。

第二部分 TorchQuantum：

TorchQuantum 是該研究開發(fā)的量子計(jì)算和機(jī)器學(xué)習(xí)的 Python 庫，它主要面向兩個(gè)研究方向，一個(gè)方向?yàn)榱孔訖C(jī)器學(xué)習(xí)，如何通過量子計(jì)算機(jī)提高機(jī)器學(xué)習(xí)任務(wù)的速度和精確度；第二個(gè)方向?yàn)槭褂脵C(jī)器學(xué)習(xí)優(yōu)化量子計(jì)算機(jī)系統(tǒng)，即如何使用 ML 解決量子計(jì)算機(jī)的系統(tǒng)層級的問題如量子映射，編譯，量子脈沖（Pulse）的生成。

研究會(huì)以量子神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn) MNIST 圖片分類為例，講解如何使用 TorchQuantum 庫。

分享摘要：量子噪聲是限制量子計(jì)算的重要瓶頸，本次分享王瀚銳博士將介紹對噪聲魯棒的參數(shù)化量子電路搜索框架 QuantumNAS。此外，他還將介紹 TorchQuantum Python 庫，支持使用 PyTorch 來進(jìn)行量子電路的構(gòu)建和仿真，以及機(jī)器學(xué)習(xí)優(yōu)化量子計(jì)算機(jī)系統(tǒng)。

關(guān)鍵詞： MIT博士親自揭秘QuantumNAS設(shè)計(jì)與實(shí)現(xiàn) 讓量子電路更魯棒