انتشار باولي

توفّر حزمة pauli-prop واجهة Python مُسرَّعة بلغة Rust لتنفيذ انتشار باولي.

انتشار باولي هو إطار عمل لتقريب تطور المؤثرات في أساس باولي تحت تأثير مؤثرات أخرى، مثل بوابات الدوائر الكمية وقنوات الضوضاء. يمكن أن يكون هذا النهج فعالاً عندما يُتوقع أن تبقى المؤثرات المعنية متناثرة في أساس باولي.

يمكن استخدام الروتينات الفرعية في هذه الحزمة لتنفيذ تقنيات تخفيف الأخطاء مثل lightcone shading [6] وpropagated noise absorption [7]، وoperator backpropagation [8] لتقليل عمق الدائرة، والمحاكاة الكلاسيكية للقيم المتوقعة [1-5].

البدء

يتوفر دليل بسيط لمساعدتك على البدء بسرعة مع هذه الحزمة في دليل البداية السريعة.

أمثلة على حالات الاستخدام

يمكن استخدام انتشار باولي كمحرك منخفض المستوى لتنفيذ مجموعة متنوعة من التقنيات. من الأمثلة على استخدامه:

• Lightcone shading لتقليل تكلفة أخذ العينات في إلغاء الأخطاء الاحتمالي (PEC) لتخفيف القيم المتوقعة في نموذج Ising بالمجال المستعرض أحادي وثنائي البعد [6] [qiskit-addon-slc الوثائق]

• امتصاص معلومات نموذج الضوضاء في قابل للرصد مستهدف لتخفيف القيم المتوقعة في نموذج Ising بالمجال المستعرض ثنائي البعد [7] [qiskit-addon-pna الوثائق]

• قص البوابات الأخيرة لإنتاج دوائر Trotter بعمق أقل للتطور الزمني لنموذج سبين ثنائي البعد [8] [qiskit-addon-obp الوثائق]

نقاش تقني

تفاصيل البرمجيات

• واجهة Python مُسرَّعة بلغة Rust

• دعم المحاكاات ذات الضوضاء [الدليل]

• القدرة على حذف الحدود أثناء التطور بناءً على تسامح مطلق للمعاملات، أو عدد ثابت من الحدود في المؤثر المتطور، أو مزيج من الاثنين

• القدرة على إجراء انتشار باولي في إطاري شرودنغر وهايزنبرغ

• تقنية جديدة لتقريب اقتران مؤثر مجموع باولي بمؤثر باولي آخر. يولّد هذا التنفيذ الاستدلالي بشكل جشع المساهمات في الناتج التي يُتوقع أن تكون الأكثر أهمية. راجع الملحق B في [7] لمزيد من المعلومات.

• أحادي الخيوط

المتطلبات الحسابية

تتناسب كلفة الذاكرة والوقت في روتينات انتشار باولي عموماً مع الحجم الذي يُسمح للمؤثر المتطور بالنمو إليه.

propagate_through_rotation_gates(): عند نشر مؤثر باولي في أساس باولي تحت تأثير سلسلة من $N$ بوابة دوران باولي في دائرة من $M$ كيوبت، سينمو عدد الحدود بالشكل $\mathcal{O}(2^N)$ نحو حد أقصى هو $4^M$ مكوّن باولي فريد. وللتحكم في استخدام الذاكرة، يُحذف جزء من المؤثر بعد تطبيق كل بوابة، مما يُدخل بعض الخطأ المتناسب مع مقادير معاملات الحدود المحذوفة. متطلبات الذاكرة خطية في حجم المؤثر المتطور، ويتناسب زمن التشغيل خطياً مع حجم المؤثر وعدد البوابات معاً.

propagate_through_operator(): يقترن مؤثراً في أساس باولي بمؤثر آخر عن طريق تجميع الحدود بشكل جشع في المجموع، $\sum_{i,j,k}G^{\dagger}_iO_jG_k$، حيث $i,j,k$ فهارس متناثرة على أساس باولي. يرتّب هذا التنفيذ المعاملات في كل مؤثر بترتيب تنازلي للمقدار، ثم يبحث في فضاء الفهارس ثلاثي الأبعاد عن الحدود ذات أكبر المعاملات، بادئاً من نقطة الأصل $(0,0,0)$، ويجمع ثلاثيات $(i,j,k)$ حتى حد قطع محدد. غالباً ما يمكن جعل الوقت المستغرق في البحث ضئيلاً بزيادة حجم خطوة البحث في فضاء $(i,j,k)$، مما يوفر تسريعاً تكعيبياً لهذا الروتين الفرعي. في قياساتنا، قد يُستغرق وقت كبير في ترتيب المؤثرات وإجراء ضرب باولي لتوليد حدود المؤثر الجديد.

المساهمة

الشيفرة المصدرية متاحة على GitHub.

يوجد دليل المطور في CONTRIBUTING.md في جذر مستودع هذا المشروع. بمشاركتك، يُتوقع منك الالتزام بـ مدونة السلوك الخاصة بـ Qiskit.

نستخدم قضايا GitHub لتتبّع الطلبات والأخطاء.

الاستشهاد بهذه الحزمة

إذا استخدمت هذه الحزمة في بحثك، فاستخدم ملف CITATION.bib في مستودع هذا المشروع للاستشهاد بالمرجع أو المراجع المناسبة.

الترخيص

Apache License 2.0

سياسة الإيقاف

نتبع الإصدار الدلالي. قد نجري أحياناً تغييرات جذرية لتحسين تجربة المستخدم. وعندما يكون ذلك ممكناً، سنحتفظ بالواجهات القديمة ونعلّمها كمهملة، ما دام يمكنها التعايش مع الجديدة. سيتم توثيق كل تحسين جوهري أو تغيير جذري أو إيقاف في ملاحظات الإصدار.

المراجع

1. [Tomislav Begušić, Johnnie Gray, Garnet Kin-Lic Chan, Fast and converged classical simulations of evidence for the utility of quantum computing before fault tolerance, arXiv:2308.05077 [quant-ph].

2. Nicolas Loizeau, et al., Quantum many-body simulations with PauliStrings.jl, arXiv:2410.09654 [quant-ph].

3. Manuel S. Rudolph, et al., Pauli Propagation: A Computational Framework for Simulating Quantum Systems, arXiv:2505.21606 [quant-ph].

4. Hrant Gharibyan, et al., A Practical Guide to using Pauli Path Simulators for Utility-Scale Quantum Experiments, arXiv:2507.10771 [quant-ph].

5. Lukas Broers, et al., Scalable Simulation of Quantum Many-Body Dynamics with Or-Represented Quantum Algebra, arXiv:2506.13241 [quant-ph].

6. Andrew Eddins, Minh C. Tran, Patrick Rall, Lightcone shading for classically accelerated quantum error mitigation, arXiv:2409.04401 [quant-ph].

7. Andrew Eddins, et al., Computing noise-canceling observables via Pauli propagation, arXiv:2606.20441 [quant-ph].

8 Bryce Fuller, et al., Improved Quantum Computation using Operator Backpropagation, arXiv:2502.01897 [quant-ph].