Ground state energies of H2 using variational quantum circuits
Autores
Cotrino Sandoval, Sergio Andrés
Director
Viviescas, Carlos
Tipo de contenido
Trabajo de grado - Maestría
Idioma del documento
InglésFecha de publicación
2024
Título de la revista
ISSN de la revista
Título del volumen
Documentos PDF
Resumen
Teniendo en cuenta las limitaciones actuales de tamaño y confiabilidad de los dispositi-
vos de escala cuántica intermedia ruidosa, los circuitos cuánticos variacionales ofrecen una
forma de obtener resultados útiles de la computación cuántica. Además de eso, los méto-
dos de aprendizaje automático que utilizan datos cuánticos ofrecen una forma de procesar
la información, pero también de usarla para aprender y extraer información útil. Se usó el
metodo de meta-autosolucionador cuántico variacional (meta-VQE, por sus siglas en inglés)
para aprender el perfil de energı́a fundamental de una molécula usando un conjunto de pun-
tos de entrenamiento. Al entrenar un circuito usando una codificación gaussiana no lineal
de cada parámetro del circuito y estableciendo la distancia interatómica como un paráme-
tro libre, fue posible encontrar una buena aproximación de la energı́a mı́nima del sistema
para cualquier distancia interatómica dentro de una región determinada. Este método tam-
bién tiene la ventaja de producir buenos parámetros de partida para entrenar usando VQE
estándar y obtener resultados aún mejores (opt-meta-VQE). Meta-VQE se implementó en
una simulación analı́tica sin ruido y una simulación basada en 10000 muestras utilizando
el software para computación cuántica PennyLane. En la simulación analı́tica, fue posible
describir con precisión la superficie de energı́a potencial de una molécula H2 con precisión
quı́mica, utilizando un ansatz inspirado en hardware y el optimizador ADAM. Con la si-
mulación basada en 10000 muestras, el método es capaz de aproximar el perfil de energı́a,
pero en general no funciona tan bien como el enfoque analı́tico debido a la variabilidad de
las muestras obtenidas. Meta-VQE proporciona una forma novedosa de extraer y producir
información mediante el aprendizaje utilizando datos cuánticos de circuitos variacionales.
Abstract
Considering the current limitations on size and reliability of Noisy Intermediate Quantum
Scale devices, Variational Quantum Circuits offer a way to get useful results from quantum
computation. On top of that, Machine Learning methods using quantum data offer a way
to process the information, but also use it to learn and extract useful information. Meta-
Variational Quantum Eigensolver (meta-VQE) was used to learn the ground energy profile
of a molecule using a set of training points. By training an ansatz circuit using a non-linear
Gaussian encoding of each circuit parameter and setting the interatomic distance as a free
parameter, it was possible to find a good approximation of the ground energy of the system
for any interatomic distance within a certain region. This method also has the advantage
to produce good starting parameters to train using standard VQE, and obtain even better
results (opt-meta-VQE). Meta-VQE was implemented in an analytic noise-free simulation
and a 10000 shots-based simulation using the software framework for quantum computing
PennyLane. In the analytic simulation, it was possible to accurately describe the potential
energy surface of an H2 molecule within chemical accuracy, using a hardware inspired ansatz
and the ADAM optimizer. With the 10000 shots-based simulation, the method is capable to
approximate the energy profile, but in general its performance is not as good as the analytical
approach due to the variability on the samples obtained. Meta-VQE provides a novel way
to extract and produce information by learning using quantum data from variational circuits.
Descripción Física/Lógica/Digital
ilustraciones, diagramas