نظرة عامة على التقطير الكمي القائم على العينات (SQD)

التقطير الكمي القائم على العينات (SQD) هو تقنية معالجة لاحقة كلاسيكية تعمل على العينات المستخرجة من دائرة كمومية بعد تنفيذها على وحدة المعالجة الكمومية (QPU). وهي مفيدة في إيجاد القيم الذاتية والمتجهات الذاتية للمؤثرات الكمومية، كهاميلتوني النظام الكمومي، وتجمع بين الحوسبة الكمومية والحوسبة الكلاسيكية الموزعة. قد تكون هذه التقنية مفيدة بشكل خاص للمستخدمين الذين يحاكون أنظمة كيميائية أو أنظمة كمومية أخرى.

تُستخدم الحوسبة الكلاسيكية لمعالجة العينات المستخرجة من المعالج الكمومي، ثم إسقاط هاميلتوني المستهدف وتقطيره في الفضاء الجزئي الذي تمتد إليه تلك العينات. يجعل ذلك SQD مقاوماً للعينات المتأثرة بالضوضاء الكمومية، وقادراً على التعامل مع هاميلتونيات ضخمة — كالأنظمة الكيميائية التي تحتوي على ملايين الحدود المتفاعلة — يعجز عنها التقطير الدقيق.

تستطيع أداة SQD استهداف هاميلتونيات معبّر عنها كتركيبات خطية لمؤثرات باولي أو مؤثرات فيرميونية مكمّمة ثانياً. تُستخرج عينات الإدخال من دوائر كمومية يعرّفها المستخدم، ويُعتقد أنها تمثيلات جيدة للحالات الذاتية (مثل الحالة الأساسية) للمؤثر المستهدف. يتحسن معدل تقارب SQD كدالة لعدد العينات كلما زادت ندرة الحالة الذاتية المستهدفة.

تثبيت حزمة SQD

ثمة طريقتان لتثبيت حزمة SQD: عبر PyPI أو البناء من المصدر. يُنصح بتثبيت هذه الحزم داخل بيئة افتراضية لضمان عزل التبعيات عن بعضها.

التثبيت من PyPI

أبسط طريقة لتثبيت حزمة qiskit-addon-sqd هي عبر PyPI.

pip install qiskit-addon-sqd

البناء من المصدر

انقر هنا لقراءة كيفية تثبيت هذه الحزمة يدوياً

إذا أردت المساهمة في هذه الحزمة أو تثبيتها يدوياً، ابدأ باستنساخ المستودع:

git clone git@github.com:Qiskit/qiskit-addon-sqd.git

ثم ثبّت الحزمة عبر pip. يحتوي المستودع أيضاً على دفاتر ملاحظات مثالية يمكنك تشغيلها. إذا كنت تخطط للتطوير داخل المستودع، يمكنك تثبيت تبعيات dev.

اضبط الخيارات وفق احتياجاتك.

pip install tox notebook -e '.[notebook-dependencies, dev]'

الخلفية النظرية

يُشرح سير عمل SQD باستخدام استرداد التهيئة ذاتي الاتساق بالتفصيل في [1]. يقدم هذا القسم نظرة عامة على التقنية الموضحة في المخطط التالي.

هنا $\bar{\mathcal{X}}$ هي مجموعة من العينات المشوشة التي تحتوي، في سياق الهاميلتوني المحاكى، على تهيئات فيزيائية وغير فيزيائية (ممثّلة كسلاسل بت) مستخرجة من التنفيذ على وحدة المعالجة الكمومية. التهيئات غير الفيزيائية ناجمة عن الضوضاء، ويمكن معالجتها بطريقة sqd.configuration_recovery.recover_configurations() لتنقية العينات إلى مجموعة جديدة $\mathcal{X}_R$.

من هذه المجموعة، تُجمع دفعات من التهيئات $\mathcal{S}^{(1)}...\ \mathcal{S}^{(K)}$ وفق توزيع يتناسب مع التردد التجريبي لكل $\mathbf{x}$ في $\mathcal{X}_R$. كل دفعة من التهيئات المأخوذة تمتد إلى فضاء جزئي، $\mathcal{S}^{(k)}: k = 1, ..., K$، يُسقط فيه الهاميلتوني ويُقطَّر:

$\hat{H}_{S^{(k)}} = \hat{P}_{\mathcal{S}^{(k)}}\hat{H}\hat{P}_{\mathcal{S}^{(k)}}\text{, with } \hat{P}_{\mathcal{S}^{(k)}} = \sum_{\mathbf{x} \in \mathcal{S}^{(k)}} |\mathbf{x}\rangle\langle\mathbf{x}|,$

حيث $\hat{H}_{\mathcal{S}^{(k)}}$ هو هاميلتوني الفضاء الجزئي المعطى.

يتمحور الجزء الأكبر من سير عمل SQD حول تقطير كل من هاميلتونيات الفضاء الجزئي هذه. تُستخدم الحالات الأساسية المستخرجة من كل فضاء جزئي، $|\psi^{(k)}\rangle$، لإنتاج تقدير لمتجه مرجعي لإشغال المدارات $\mathbf{n}^{(K)}$ مُتوسَّط عبر جميع الفضاءات الجزئية الـ $K$. ثم تُولَّد مجموعة جديدة من التهيئات $\mathcal{X}_R$ عبر قلب بتات فردية باحتمالية تعتمد على متوسط الإشغال هذا وعدد الجسيمات الإجمالي المعروف (وزن هامينغ) في النظام. تُعاد بعد ذلك عملية استرداد التهيئة بإعداد مجموعة جديدة من الفضاءات الجزئية للتقطير، والحصول على حالات ذاتية جديدة ومتوسط إشغال مداري، وتوليد مجموعة جديدة من التهيئات. يتكرر هذا اللوب حتى يتحقق معيار يحدده المستخدم، والعملية برمتها تشبه تصفية إشارة مشوشة لتحسين دقتها.

الخطوات التالية

توصيات

• اطّلع على صفحة البدء السريع مع SQD.
• اقرأ الدرس التعليمي حول تحسين تقدير الطاقة باستخدام SQD.

المراجع

[1] Robledo-Moreno, Javier, et al. "Chemistry beyond exact solutions on a quantum-centric supercomputer" arXiv preprint arXiv:2405.05068 (2024).