기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

IonQ 디바이스에서의 오류 완화 기법

오류 완화에는 여러 물리적 회로를 실행하고 측정값을 결합하여 결과를 개선하는 작업이 포함됩니다.

편향 제거

IonQ 디바이스에는 편향 제거라고 하는 오류 완화 방법이 있습니다.

편향 제거는 다양한 큐비트 순열 또는 다양한 게이트 분해에서 작동하는 여러 변형으로 회로를 매핑합니다. 이를 통해 측정 결과에 편향을 일으킬 수 있는 회로의 다양한 구현을 사용하여 게이트 과도 회전 또는 단일 결함 큐비트와 같은 체계적인 오류의 영향을 줄일 수 있습니다. 이는 여러 큐비트와 게이트를 보정하는 데 추가적인 오버헤드가 발생한다는 단점이 있습니다.

편향 제거에 대한 자세한 내용은 대칭화를 통한 양자 컴퓨터 성능 향상을 참조하세요.

다음 코드를 사용하여 IonQ 디바이스에서 편향 제거를 사용하여 양자 작업을 실행할 수 있습니다.

from braket.aws import AwsDevice
from braket.circuits import Circuit
from braket.error_mitigation import Debias

# choose an IonQ device
device = AwsDevice("arn:aws:braket:us-east-1::device/qpu/ionq/Forte-Enterprise-1")
circuit = Circuit().h(0).cnot(0, 1)

task = device.run(circuit, shots=2500, device_parameters={"errorMitigation": Debias()})

result = task.result()
print(result.measurement_counts)
>>> {"00": 1245, "01": 5, "10": 10 "11": 1240} # result from debiasing

양자 작업이 완료되면 양자 작업의 측정 확률과 결과 유형을 볼 수 있습니다. 모든 변형의 측정 확률과 수는 단일 분포로 집계됩니다. 예상 값과 같이 회로에 지정된 모든 결과 유형은 집계 측정 수를 사용하여 계산됩니다.

선명화

또한 선명화라고 하는 다른 사후 처리 전략으로 계산된 측정 확률에 액세스할 수 있습니다. 선명화는 각 변형의 결과를 비교하고 일관되지 않은 샷을 폐기하며, 변형 전반에서 가장 가능성이 높은 측정 결과를 우선시합니다. 자세한 내용은 대칭화를 통한 양자 컴퓨터 성능 향상을 참조하세요.

중요한 점은, 선명화는 출력 분포의 형태를 희소하게 가정한다는 것입니다. 즉, 고확률 상태가 거의 없으며 제로 확률 상태가 많습니다. 이 가정이 유효하지 않으면 확률 분포가 왜곡될 수 있습니다.

Braket Python SDK의 GateModelTaskResult에 있는 additional_metadata 필드의 선명화된 분포에서 확률에 액세스할 수 있습니다. 단, 선명화는 측정 수를 반환하지 않고 대신 다시 정규화된 확률 분포를 반환합니다. 다음 코드 조각은 선명화 후 분포에 액세스하는 방법을 보여줍니다.

print(result.additional_metadata.ionqMetadata.sharpenedProbabilities)
>>> {"00": 0.51, "11": 0.549} # sharpened probabilities