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

의 오류 완화 기법 IonQ Aria

오류 완화에는 여러 물리적 회로를 실행하고 측정값을 결합하여 향상된 결과를 제공하는 작업이 포함됩니다. IonQ Aria 디바이스에는 편향 제거라는 오류 완화 방법이 있습니다.

편향 해제는 서로 다른 쿼비트 순열 또는 서로 다른 게이트 분해에 작용하는 여러 변형으로 회로를 매핑합니다. 이렇게 하면 측정 결과를 편향시킬 수 있는 다양한 회로 구현을 사용하여 게이트 오버로테이션 또는 단일 결함 쿼트와 같은 체계적인 오류의 영향을 줄일 수 있습니다. 이로 인해 여러 쿼비트와 게이트를 보정하기 위해 추가 오버헤드가 발생합니다.

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

다음 코드를 사용하여 IoQ Aria 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

device = AwsDevice("arn:aws:braket:us-east-1::device/qpu/ionq/Aria-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 샤프닝이라는 다른 사후 처리 전략으로 계산된 측정 확률에 액세스할 수 있습니다. 선명화는 각 변형의 결과를 비교하고 일관되지 않은 샷을 폐기하여 변형 전반에서 가장 가능성이 높은 측정 결과를 선호합니다. 자세한 내용은 대칭화를 통한 양자 컴퓨터 성능 향상을 참조하세요.

중요한 점은 선명화는 출력 분포의 형태가 희소성이고 확률이 높은 상태가 거의 없으며 확률이 0인 상태가 많다는 것입니다. 이 가정이 유효하지 않으면 확률 분포가 왜곡될 수 있습니다.

Braket Python SDK의에 있는 additional_metadata 필드의 샤프닝된 배포GateModelTaskResult에서 확률에 액세스할 수 있습니다. 단, 선명화는 측정 수를 반환하지 않고 대신 다시 정규화된 확률 분포를 반환합니다. 다음 코드 조각은 샤프닝 후 배포에 액세스하는 방법을 보여줍니다.

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