Kvantu tilpuma prognozēšana no kvantu datora specifikācijas

Abstract

Bakalaura darbā pētīts kvantu tilpums - viens no populārākajiem kvantu datoru raksturlielumiem. Lai gan kvantu datori ir ievērojami attīstījušies, tie joprojām ir pakļauti kļūdām, tāpēc dažādu kvantu datoru salīdzināšanai tiek izmantoti vairāki raksturlielumi. Kvantu tilpumu nosaka eksperimentāli, un tas norāda, cik lielas nejauši izveidotas kvantu ķēdes iespējams uzticami darbināt uz konkrētā datora. Darba ietvaros tika veikti eksperimenti uz īstiem IBM kvantu datoriem. Izmantojot iegūtos datus un kvantu datora specifikāciju, atsevišķām kubitu kopām tika prognozēts kvantu tilpums. Prognozēšana tika veikta ar lineāro regresiju un vairākiem Hugging Face AutoTrain piedāvātajiem mašīnmācīšanās modeļiem. Tika novērota korelācija starp prognozētajiem un eksperimentāli iegūtajiem rezultātiem, tomēr precīzi prognozēt kvantu tilpumu neizdevās.

This bachelor thesis investigates quantum volume, a key benchmark of quantum computers. Despite significant advancements, quantum computers remain prone to errors, necessitating various metrics for comparison. Quantum volume, determined experimentally, indicates the largest random quantum circuits reliably executable on a given computer. This work includes experiments on real IBM quantum computers. Using the obtained data and specifications of quantum computers, quantum volume was predicted for various sets of qubits via linear regression and Hugging Face AutoTrain machine learning models. A correlation was observed between predicted and experimental results, however accurate predictions of quantum volume were not achieved.