摘要 本文介绍了利用量子计算进行参数高效微调 (PEFT) 的 Quantum-PEFT。与其他加性 PEFT 方法(例如低秩自适应 (LoRA))不同,Quantum-PEFT 利用底层的全秩但令人惊讶的参数高效的量子幺正参数化和交替纠缠。使用 Pauli 参数化时,可训练参数的数量仅随环境维度呈对数增长,而不是像基于 LoRA 的 PEFT 方法那样呈线性增长。因此,随着维度的增长,Quantum-PEFT 实现的可训练参数数量比最低秩的 LoRA 少得多,从而提高了参数效率,同时保持了有竞争力的性能。我们将 Quantum-PEFT 应用于语言和视觉中的几个迁移学习基准,显示出参数效率的显著优势。
1 向量和矩阵基础 3 1.1 向量空间 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9 1.4.3 Gram-Schmidt 正交化 . . . . . . . 10 1.5 线性算子和矩阵 . . . . . . . . . . 11 1.5.1 Hermitian 共轭矩阵、Hermitian 矩阵和酉矩阵 . . . . . . . . . . . . 12 1.6 特征值问题 . . . . . . . . . . . . . 13 1.6.1 埃尔米特矩阵和正规矩阵的特征值问题 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23 1.10 张量积(克罗内克积)。 。 。 。 。 。 。 。 。 。 。 。 。 。 26
在本文中,我们展示了非稳定器资源理论如何量化直接保真度估计协议的难度。特别是,对一般状态进行直接保真度估计所需的资源,例如 Pauli 保真度估计和影子保真度估计协议,会随着稳定器 Rényi 熵的增加而呈指数增长 [1]。值得注意的是,这些协议只对那些无法获得任何量子加速或优势的状态可行。这一结果表明不可能有效地估计一般状态的保真度,同时为那些专门用于直接估计特定状态保真度的协议打开了一扇窗户。然后,我们将结果扩展到量子演化,表明证明给定酉 U 实施质量所需的资源受与 U 相关的 Choi 状态的非稳定器控制,而这已被证明与超时序相关器有着深刻的联系。
在开放式云的IBM量子设备上进行的摘要实验用于使用[4、2、2]编码的栅极序列来表征其容错。在IBMQ_BOGOTA和IBMQ_SANTIAGO设备中激活了多达100个逻辑门,我们发现[4,2,2,2]代码的逻辑门集可以被视为大于10门的门序列的故障耐受性。但是,某些电路不满足容错标准。在某些情况下,编码的门序序列显示出高的错误率,该误差率在≈0处较低。1,因此,这些电路中固有的误差无法通过经典后选择来减轻。实验结果与简单错误模型的比较表明,主要的门错误不能以流行的Pauli误差模型来表示。最后,当测试的电路仅限于产生较低尺寸的输出状态的电路时,评估容错标准是最准确的。
(Max Perutz Labs)是由13个研究小组组成的联盟,包括Max Perutz Labs(Andreas Bachmair,ElifKaragöz,AlwinKöhler,Sascha Martens和Gijs Versteeg),GMI(Silvia Ramundo,Silvia Ramundo,Yasin Dagdas),Impba(noyelia inimba),Impba) CEMM,以及柏林的Max-Delbrück-Center。神经发育和再生中的干细胞调节 - 特别研究计划由10个研究小组组成,由IMBA的JürgenKnoblich领导。维也纳生物中心的进一步参与者是Florian Raible和Kristin Tessmar-rabil-aible(Max Perutz Labs),Elly Tanaka(IMP)和Noelia Urban(IMBA)。RNA -DECO-特别研究计划包括11个研究小组。Stefan Ameres&Isabella Moll(Max Perutz Labs)和Andrea Pauli(IMP)的实验室是合作者。
1 向量和矩阵基础 3 1.1 向量空间 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9 1.4.3 Gram-Schmidt 正交化 . . . . . . . 10 1.5 线性算子和矩阵 . . . . . . . . . . 11 1.5.1 Hermitian 共轭矩阵、Hermitian 矩阵和酉矩阵 . . . . . . . . . . . . 12 1.6 特征值问题 . . . . . . . . . . . . . 13 1.6.1 埃尔米特矩阵和正规矩阵的特征值问题 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23 1.10 张量积(克罗内克积)。 。 。 。 。 。 。 。 。 。 。 。 。 。 26
用于定义大脑皮层区域的图谱是基于表面的 HCP-MMP1 图谱 (Glasser 等人,2016)。对于皮层下区域,将图谱转换为体积空间并进行如下修改,如其他地方详细描述的那样,以生成 HCPex 图谱 (Huang 等人,2022)。首先,使用 Winterburn 等人 (2013) 提供的模板将海马和下托定义为单独的区域。在我们的区域列表中,如表 S1 所示,新的海马区域被分配到 HCP 列表中的海马槽中。下托作为新区域出现在列表的后面。 HCPex 图谱中的其他新区域 (Huang 等人,2022) 包括丘脑、壳核、苍白球外部节、苍白球内部节、杏仁核和伏隔核,均使用 CIT168 强化学习图谱中的模板定义 (Pauli 等人,2018)。
由于纠错会产生大量开销,大规模量子计算将需要大量量子比特。我们提出了一种基于量子低密度奇偶校验 (LDPC) 码的低开销容错量子计算方案,其中长距离相互作用使得许多逻辑量子比特能够用少量物理量子比特进行编码。在我们的方法中,逻辑门通过逻辑 Pauli 测量进行操作,既能保护 LDPC 码,又能降低所需额外量子比特数的开销。与具有相同代码距离的表面码相比,我们估计使用此方法处理大约 100 个逻辑量子比特的开销将有数量级的改善。鉴于 LDPC 码所展示的高阈值,我们的估计表明,这种规模的容错量子计算可能只需几千个物理量子比特就能实现,错误率与当前方法所需的错误率相当。
量子模拟内核是一个重要的子程序,在许多量子程序中以非常长的门序列出现。在本文中,我们提出了 Paulihedral,这是一个分块编译器框架,它可以通过利用高级程序结构和优化机会来深度优化此子程序。Paulihedral 首先采用了一种新的 Pauli 中间表示,它可以维护量子模拟内核中的高级语义和约束。这自然可以实现难以在低门级实现的新型大规模优化。具体而言,我们提出了两种与技术无关的指令调度过程和两种与技术相关的代码优化过程,它们协调了编译器的电路综合、门取消和量子位映射阶段。实验结果表明,Paulihedral 在近期超导量子处理器和未来容错量子计算机的广泛应用中都可以胜过最先进的编译器基础设施。
熟悉 Steane 代码的读者知道,应用于每个物理量子位的按位 K 门可在逻辑数据上实现 K ∗ 。因此,乍一看,人们可能希望 K 门像 CNOT 一样,在陷阱方案下允许简单的按位小工具。不幸的是,即使底层代码允许按位实现 K 门,陷阱代码也不允许按位实现。陷阱代码的按位实现失败,因为在状态 | + ⟩ 下准备的陷阱量子位被 K 映射到 K | + ⟩ = | 0 ⟩ + i | 1 ⟩ 。处于此状态的陷阱量子位被检测为 Z 误差的概率为 1 / 2 。相反,我们需要一个更复杂的 K 魔法状态小工具,它只使用 Pauli 和 CNOT 门以及计算基础中的测量。我们的小工具是对众所周知的 π/ 8 门容错构造的简单修改。K 门的逻辑小工具如下所示。
