芝加哥大学研究人员的一篇新论文介绍了一种用于编译可在近期硬件上执行的高度优化的量子指令的技术。该技术特别适合于一类新的变分量子算法，这是证明有用的量子加速的有希望的候选者。这项新工作是通过跨堆栈，跨量子算法，机器学习，编译器和设备物理的思想统一而实现的。跨学科研究是由NSF计算远征队EPiQC(支持实际规模量子计算)合作进行的。
适应量子算法的新范式
量子算法的最初愿景可追溯到1980年代初，当时物理学家理查德·费曼(Richard Feynman)提出仅使用数千个无噪声的量子比特(量子比特)来执行分子模拟，这对于传统计算机而言几乎是不可能的任务。在1990年代和2000年代开发的其他算法表明，成千上万个无噪声的量子位也将为解决诸如数据库搜索，整数分解和矩阵代数之类的问题提供显着的加速。但是，尽管量子硬件最近取得了进步，但是由于当前的硬件具有嘈杂的量子比特，因此这些算法距离可扩展的实现还有数十年的路程。
为了匹配当前和近期量子计算机的约束，最近出现了变分量子算法的新范例。这些算法解决了与最初设想的量子算法相似的计算难题，但是通过未指定某些内部程序参数来增强对噪声的适应性。取而代之的是，这些内部参数是在优化程序的指导下，通过反复试验的变化来学习的。使用强大的优化器，变分算法可以容忍中等水平的噪声。
尽管变分算法的抗噪声能力很吸引人，但它给编译带来了挑战，编译是将数学算法转换为最终由硬件执行的物理指令的过程。
UChicago计算机科学教授Seymour Goodman教授Fred Chong说：“变分和传统量子算法之间的权衡是，虽然变数方法的门数便宜，但所需的重复数却很昂贵。” 负责EPiQC的PI。“虽然传统的量子算法在执行时就已完全指定，从而可以完全优化预执行，但变体程序在执行时只得到了部分指定。”
部分编译
研究人员使用一种称为部分编译的并行技术解决了部分指定程序的问题。芝加哥大学博士生Pranav Gokhale解释说：“尽管我们在执行之前不能完全编译变分算法，但至少可以对指定的部分进行预编译。” 对于典型的变分算法，仅凭这种简单的试探法就足够了，相对于基于标准门的编译技术，其在量子运行时中的速度提高了2倍。由于量子位随时间呈指数衰减，因此这种运行时加速也导致错误率降低。
对于更复杂的算法，研究人员应用了第二层优化，该过程通过称为超参数优化的过程对由于未指定的参数而引起的变化进行数值表征。Gokhale总结道：“在超参数调整和部分编译上花费几分钟，可以节省数小时的执行时间。” Chong教授指出，这个主题是通过转移资源(无论是在传统计算与量子计算之间还是在编译与执行之间)来节省成本，这在其他几个EPiQC项目中也是如此。
研究人员接下来的目标是通过实验证明他们的工作。随着可在模拟脉冲水平上控制的云可访问量子计算机的发布，这种实验验证直到最近才成为可能。这种控制级别比标准的基于门的控制更接近于硬件，研究人员希望通过该脉冲接口实现更高的效率增益。
研究人员的论文“用于噪声中等规模量子机器的变分算法的部分编译”(arXiv链接)将在10月14日于俄亥俄州哥伦布举行的MICRO计算机体系结构会议上发表。Gokhale和Chong的合著者包括丁永山，托马斯·普普森(Thomas Propson)，克里斯托弗·温克勒(Christopher Winkler)，梁朝伟，施育农，戴维·舒斯特(David I. Schuster)和亨利·霍夫曼(Henry Hoffmann)都来自芝加哥大学。