今月の回路 1月22日：ハードウェア効率に優れた変分回路

1月

2022

分子が与えられたとき、ハミルトニアンはすべての電子と原子核の間の相互作用を記述する。

分子ハミルトニアン、特にその基底状態のエネルギーを計算することで、分子の化学的性質を理解することができる。分子ハミルトニアンは本質的に量子的なものであるため、適切な量子アルゴリズムで同じ量子効果を利用することにより、量子コンピューティングを使用してこのような特性を効率的に計算することができる。これには3つのステップがある：

目的の分子の分子ハミルトニアンを計算する。
ハミルトニアンの基底状態を計算するために、適切な変分量子回路を生成する。今日はこのステップに焦点を当て、変分量子回路の作り方を説明します。
ハイブリッド量子古典アルゴリズムの一部として、目的の量子回路を実行する。

ハミルトニアンの基底状態は、適切な変分量子回路（通常アンサッツと呼ばれる）を用い、それを古典的オプティマイザーと組み合わせてハミルトニアンの最小期待値を求めることで求められる。NISQ時代のデバイスでは、ノイズを減らしてより良い結果を得るために、短くてハードウェアにフィットした量子回路が好まれる。

以下の例では、ハードウェア効率の良いアンサッツ、すなわち特定のハードウェアに適合するように生成されたアンサッツを生成する方法を示す。

この例では、完全な接続性を持つ4量子ビットのハードウェアを使用する。

Classiqのテキストモデルを使うと、コードは次のようになる：


{
    "quantum_circuit_constraints": {
        "max_depth": 100,
        "max_width": 4,
        "logic_flow": [
            {
                "function": "HardwareEfficientAnsatz",
                "function_params": {
                    "num_qubits": 4,
                    "connectivity_map": [
                        [0,1],
                        [0,2],
                        [0,3],
                        [1,2],
                        [1,3],
                        [2,3]
                    ],
                    "reps": 2
                }
            }
        ]
    }
}

また、ClassiqのPython SDKを使って同じ回路を合成することもできる：


from classiq import ModelDesigner
from classiq.builtin_functions import HardwareEfficientAnsatz

NUM_QUBITS = 4
完全接続メッシュ = [ [0, 1], [0, 2], [0, 3], [1, 2], [1, 3], [2, 3] ]。
hwea_params = HardwareEfficientAnsatz(
    num_qubits=NUM_QUBITS、
    connectivity_map=FULLY_CONNECTED_MESH、
    reps=2
)
model_designer = ModelDesigner()
model_designer.HardwareEfficientAnsatz(params=hwea_params)
generation_result = model_designer.synthesize()

以下はその結果の出力回路である：

‍

分子が与えられたとき、ハミルトニアンはすべての電子と原子核の間の相互作用を記述する。

目的の分子の分子ハミルトニアンを計算する。
ハミルトニアンの基底状態を計算するために、適切な変分量子回路を生成する。今日はこのステップに焦点を当て、変分量子回路の作り方を説明します。
ハイブリッド量子古典アルゴリズムの一部として、目的の量子回路を実行する。

以下の例では、ハードウェア効率の良いアンサッツ、すなわち特定のハードウェアに適合するように生成されたアンサッツを生成する方法を示す。

この例では、完全な接続性を持つ4量子ビットのハードウェアを使用する。

Classiqのテキストモデルを使うと、コードは次のようになる：


{
    "quantum_circuit_constraints": {
        "max_depth": 100,
        "max_width": 4,
        "logic_flow": [
            {
                "function": "HardwareEfficientAnsatz",
                "function_params": {
                    "num_qubits": 4,
                    "connectivity_map": [
                        [0,1],
                        [0,2],
                        [0,3],
                        [1,2],
                        [1,3],
                        [2,3]
                    ],
                    "reps": 2
                }
            }
        ]
    }
}

また、ClassiqのPython SDKを使って同じ回路を合成することもできる：


from classiq import ModelDesigner
from classiq.builtin_functions import HardwareEfficientAnsatz

NUM_QUBITS = 4
完全接続メッシュ = [ [0, 1], [0, 2], [0, 3], [1, 2], [1, 3], [2, 3] ]。
hwea_params = HardwareEfficientAnsatz(
    num_qubits=NUM_QUBITS、
    connectivity_map=FULLY_CONNECTED_MESH、
    reps=2
)
model_designer = ModelDesigner()
model_designer.HardwareEfficientAnsatz(params=hwea_params)
generation_result = model_designer.synthesize()

以下はその結果の出力回路である：

‍

"キュービット・ガイのポッドキャスト "について

The Qubit Guy（弊社最高マーケティング責任者ユヴァル・ボーガー）がホストを務めるこのポッドキャストは、量子コンピューティングのオピニオンリーダーをゲストに迎え、量子コンピューティングエコシステムに影響を与えるビジネスや技術的な疑問について議論します。ゲストは、量子コンピュータのソフトウェアやアルゴリズム、量子コンピュータのハードウェア、量子コンピューティングの主要なアプリケーション、量子産業の市場調査などについて興味深い見解を提供します。

ポッドキャストへのゲスト推薦をご希望の方は、こちらまでご連絡ください。