Skip to article frontmatterSkip to article content
Site not loading correctly?

This may be due to an incorrect BASE_URL configuration. See the MyST Documentation for reference.

QURI Partsサポート

タグ: integration optimization variational

このページでは、具体的な最適化問題を通して、QamomileのQURI Parts量子SDK連携を紹介します。 このチュートリアルでは、小さなMaxCutインスタンスに対するQAOA最適化を例に、Qamomileの量子カーネルをQURI Parts回路へトランスパイルし、サンプリングと期待値評価を行います。 QuriPartsExecutorは、デフォルトで高速なC++製状態ベクトルシミュレータQulacsを使うため、以下の例は追加設定なしでローカルCPU上で実行できます。

MaxCut問題

QURI Parts連携の説明に集中するため、MaxCutに対するQAOAチュートリアルと同じ5ノードの小さなグラフを使います。 ∑(i,j)∈E(1−sisj)/2\sum_{(i,j) \in E}(1 - s_i s_j)/2の最大化は、定数項を除けば、反強磁性IsingハミルトニアンHC=∑(i,j)∈EsisjH_C = \sum_{(i,j) \in E} s_i s_jの最小化に対応します。 重みなしMaxCutでは、すべてのJij=1J_{ij} = 1、hi=0h_i = 0なので、これらの係数をそのままBinaryModel.from_isingに渡します。 ここで作るモデルは、QAOAの量子カーネルに渡すquad / linear辞書と、測定結果をスピン値(+1/−1)(+1 / -1)に戻すために使います。

<Figure size 500x400 with 1 Axes>

@qkernelによるQAOAアンザッツの構築

QAOAの各層とサンプリング用アンザッツを、再利用可能な量子カーネルとして書きます。 レシピはMaxCutに対するQAOAチュートリアルと同じです。計算基底の一様な重ね合わせ状態を準備した後、コスト層とミキサー層をpp回交互に適用し、最後に計算基底で測定します。 期待値計算用の量子カーネルは後のrun()セクションで定義します。こうしておくと、下の回路図では状態準備用のラッパーではなく、サンプリング用アンザッツそのものを確認できます。

qaoa_ansatz.draw(...)でQamomileの回路図を描画できます。 問題の構造を決める引数(p、quad、linear、n)には具体値を渡し、層の形が見えるようにします。 一方、gammas / betasには値を渡さず、後で決めるパラメータとして残します。

<Figure size 1524.19x204 with 1 Axes>

QURI Partsへのトランスパイル

QuriPartsTranspilerは、他の量子SDKと同じようにtranspile()で使えます。 問題の構造を決める引数はbindingsで固定し、gammas / betasはランタイムパラメータとして残します。

executable.get_first_circuit()で内部のQURI Parts回路を取り出せます。 取り出した回路はQURI PartsのLinearMappedParametricQuantumCircuitであり、2p2p個のQAOA角度(gammas[0..p-1]、betas[0..p-1])が名前付きランタイムパラメータとして残っています。 type(...)とパラメータ数で確認し、さらにQURI Partsのdraw_circuitで回路図を描画してみましょう。

LinearMappedParametricQuantumCircuit
qubit_count    : 5
parameter_count: 6
   ___     ___     ___     ___                     ___     ___     ___                     ___     ___     ___                                  
  | H |   |PPR|   |PPR|   |PRX|                   |PPR|   |PPR|   |PRX|                   |PPR|   |PPR|   |PRX|                                 
--|0  |---|5  |---|6  |---|11 |-------------------|16 |---|17 |---|22 |-------------------|27 |---|28 |---|33 |---------------------------------
  |___|   |   |   |_ _|   |___|                   |   |   |_ _|   |___|                   |   |   |_ _|   |___|                                 
   ___    |   |    | |     ___     ___     ___    |   |    | |     ___     ___     ___    |   |    | |     ___     ___     ___                  
  | H |   |   |    | |    |PPR|   |PPR|   |PRX|   |   |    | |    |PPR|   |PPR|   |PRX|   |   |    | |    |PPR|   |PPR|   |PRX|                 
--|1  |---|   |----| |----|7  |---|8  |---|12 |---|   |----| |----|18 |---|19 |---|23 |---|   |----| |----|29 |---|30 |---|34 |-----------------
  |___|   |___|    | |    |   |   |_ _|   |___|   |___|    | |    |   |   |_ _|   |___|   |___|    | |    |   |   |_ _|   |___|                 
   ___            _| |_   |   |    | |     ___     ___    _| |_   |   |    | |     ___     ___    _| |_   |   |    | |     ___     ___          
  | H |           |   |   |   |    | |    |PPR|   |PRX|   |   |   |   |    | |    |PPR|   |PRX|   |   |   |   |    | |    |PPR|   |PRX|         
--|2  |-----------|   |---|   |----| |----|9  |---|13 |---|   |---|   |----| |----|20 |---|24 |---|   |---|   |----| |----|31 |---|35 |---------
  |___|           |___|   |___|    | |    |   |   |___|   |___|   |___|    | |    |   |   |___|   |___|   |___|    | |    |   |   |___|         
   ___                            _| |_   |   |    ___     ___            _| |_   |   |    ___     ___            _| |_   |   |    ___     ___  
  | H |                           |   |   |   |   |PPR|   |PRX|           |   |   |   |   |PPR|   |PRX|           |   |   |   |   |PPR|   |PRX| 
--|3  |---------------------------|   |---|   |---|10 |---|14 |-----------|   |---|   |---|21 |---|25 |-----------|   |---|   |---|32 |---|36 |-
  |___|                           |___|   |___|   |   |   |___|           |___|   |___|   |   |   |___|           |___|   |___|   |   |   |___| 
   ___                                            |   |    ___                            |   |    ___                            |   |    ___  
  | H |                                           |   |   |PRX|                           |   |   |PRX|                           |   |   |PRX| 
--|4  |-------------------------------------------|   |---|15 |---------------------------|   |---|26 |---------------------------|   |---|37 |-
  |___|                                           |___|   |___|                           |___|   |___|                           |___|   |___| 

各ランタイムパラメータは、実行時まで未バインドのまま残ります。 そのため、gammas / betasのバインドはQURI Parts側での回路の作り直しではなく、パラメータ値の更新として扱われます。 Ising係数、量子ビット数、層数といった問題構造はトランスパイル時に固定され、ランタイム入力として残るのは変分角度だけです。

QuriPartsExecutorによるQAOAサンプリング

executable.sample(executor, bindings=..., shots=...)はSampleJobを返します。 .result()で得られるSampleResultは、BinaryModel.decode_from_sampleresultでスピン変数(+1/−1)(+1 / -1)のBinarySampleSetへデコードできます。 これにより、追加の変換なしでカット辺を数えられます。 QuriPartsExecutor()は、デフォルトではQulacsの状態ベクトルシミュレータ上で動作します。

Mean energy at random init: -0.4140

QAOAパラメータの最適化

同じexecutableを異なる(gammas, betas)で繰り返し呼び出すのが、QAOAの最適化ループの基本形です。 transpiler.transpile()を1回呼び、その後はexecutable.sample()を何度も呼び出します。 この例では、サンプリングとデコードの処理をcost_fn()として定義し、SciPyのminimize関数で最適化します。 古典最適化器は(gammas, betas)を更新しながら、サンプリングされたIsingエネルギーの平均を下げていきます。 各反復では、同じexecutableとQuriPartsExecutorを再利用します。

Optimized mean energy: -0.7970
Optimal gammas       : [0.8743, -0.176, 2.0996]
Optimal betas        : [0.7128, -1.2839, 1.4911]
<Figure size 800x400 with 1 Axes>

上のQuriPartsExecutorはseed=42で構築しているため、Qulacs samplerは再現可能です。このページを再実行しても、同じ最適化の軌跡と最終エネルギーが得られます。非決定的なサンプリングに戻すには、seed引数を外してください。 この5ノードグラフでは、HCH_Cの基底状態エネルギー付近まで収束するはずです。 ここで得た最適パラメータ(opt_gammas、opt_betas)を、以降の例でも使います。

run()による期待値計算

Qamomileでは、量子回路の出力に対する期待値を量子カーネル内のqmc.expval(...)で記述します。 これをQURI Partsへトランスパイルすると、ExecutableProgram.run(executor, bindings=...)で呼び出せる実行可能オブジェクトになります。 run()はQamomileのパラメータ情報を使ってランタイムパラメータをバインドし、そのうえでQURI Partsのestimatorを呼び出します。

まずHC=∑(i,j)∈EZiZjH_C = \sum_{(i,j) \in E} Z_i Z_jをQamomileのHamiltonianとして組み立てます。 その後、期待値計算用の量子カーネルをトランスパイルし、最適化済みQAOAパラメータで評価します。

Executable.run() expectation: -0.7065846268
sample mean energy          : -0.7970

QamomileのAPIだけで扱う場合は、ExecutableProgram.run(...)を使うのがおすすめです。 QURI Parts回路を自分で扱いたい場合にはexecutor.estimate(...)やexecutor.estimate_expectation(...)も使えます。 run()の経路では、Qamomileが名前付きランタイムパラメータをestimator呼び出しの前にバインドするため、QURI Parts側のフラットなパラメータ順をユーザーが管理する必要はありません。

次のセクションでは、より低レベルの経路を開き、QURI Partsが未バインド回路とバインド済み回路をどう扱い分けるかを見ます。

QURI Partsの高度な機能

QURI Partsには、パラメトリックestimatorと非パラメトリックestimatorの両方があります。 Qamomileは通常、この違いをExecutableProgram.run(...)やexecutor.estimate(...)の内側に隠しますが、QURI Parts回路を細かく制御したい場合はestimate_expectation(...)を直接呼び出す方法も便利です。

期待値計算: 未バインド回路とバインド済み回路の違い

QuriPartsExecutor.estimate_expectation(circuit, hamiltonian, param_values)は、QURI Partsで期待値を計算するためのメソッドです。 渡された回路の状態に応じて、QURI Partsの2種類のestimatorを使い分けます。

  • 未バインドのパラメトリック回路: transpile()が生成した直後の回路は、パラメータをまだ自由変数として保持しています。 QURI Partsのapply_circuitはこれをParametricCircuitQuantumStateで包み、executorはQURI Partsのパラメトリックestimatorを呼び出します。 この場合、評価時にparam_valuesの値でパラメータがバインドされます。

  • バインド済みの回路、もしくは最初からパラメータを持たない回路: 例えばcircuit.bind_parameters([...])を呼んでパラメータを具体的な数値に固定すると、同じapply_circuitはGeneralCircuitQuantumStateを返します。 この場合、executorはQURI Partsの非パラメトリックestimatorを呼び出し、引数のparam_valuesは使われません。

この違いを知っておくと、計算コストを見積もりやすくなります。 同じ回路を異なるパラメータで何度も評価する最適化ループでは、毎回の回路コピーを省けるパラメトリックestimatorが向いています。 逆に、パラメータがすでに具体的な数値に固定されている場合は、パラメトリック回路用の処理が不要な非パラメトリックestimatorのほうが効率的です。

QURI Partsは回路レベルではmeasureを何もしない命令として扱います。 そのため、transpiler.transpile(qaoa_ansatz, ...)が出力するパラメトリック回路は、そのままQAOAの出力状態∣γ,β⟩|\boldsymbol{\gamma}, \boldsymbol{\beta}\rangleを準備する回路として使えます。 これをコストハミルトニアンと一緒にestimate_expectationに渡せば、サンプリングノイズを含まない⟨HC⟩\langle H_C \rangleを計算できます。 QAOAの最適化でも、同じ回路を保ったままexecutable.sample()とデコードの組み合わせをexecutor.estimate(circuit, hamiltonian, params=...)に置き換えられます。

2つの経路を直接試すため、前のセクションで作ったHamiltonianをQURI Partsの演算子に変換し、各回路に対してestimate_expectationを呼び出します。

unbound type           : LinearMappedParametricQuantumCircuit
unbound parameter_count: 6
circuit parameter order: ['gammas[0]', 'gammas[1]', 'gammas[2]', 'betas[0]', 'betas[1]', 'betas[2]']
bound   type           : ImmutableBoundParametricQuantumCircuit
parametric  estimator: -0.7065846268
non-param.  estimator: -0.7065846268

両方の経路は数値精度の範囲で一致します。 同じQAOA状態を、同じIsingコストハミルトニアンに対して評価しているためです。 また、最適化後パラメータでのこのノイズなし期待値は、先ほど出力した標本平均エネルギーともショットノイズの範囲で一致するはずです。 この経路の切り替えはQamomileのexecutor.estimate()インターフェース内部に隠れているので、通常は意識する必要はありません。 estimate_expectationを直接呼び出すのは、QURI Partsの回路を自分で扱う場合に限られます。

executor.estimate(circuit, hamiltonian, params=...)は、既存のQURI Parts回路を渡しつつ、QamomileのHamiltonianオブジェクトをそのまま扱えるメソッドです。 qamomile.observable.Hamiltonianを直接受け取り、内部で自動変換してからestimate_expectationを呼び出します。

executor.estimate     : -0.7065846268

他のQURI Parts sampler / estimatorの利用

QuriPartsExecutor()は、初回利用時にデフォルトのQulacs状態ベクトルsamplerとパラメトリックestimatorを遅延生成します。 QURI Partsのsamplerやestimatorを差し替えたい場合は、QuriPartsTranspiler.executor(sampler=..., estimator=...)経由でsamplerやestimatorを渡すか、QuriPartsExecutor(sampler=..., estimator=...)を直接インスタンス化します。 差し替えたexecutorは、上で使ったexecutorの位置にそのまま当てはめられます。 samplerを変えても、量子カーネルをトランスパイルし直す必要はありません。 独自のsampler(測定結果を生成する処理)は0以上の整数として表せる測定回数を返す必要があり、ideal sampler(確率から重みを計算する処理)などの小数の重みはValueErrorになります。 executableが回路を持ち、executorが実行に使うsamplerやestimatorを持つ、という役割分担になっているためです。

具体例として、QURI PartsのQulacs用NoiseSimulatorを使ったノイズ込みsamplerを構築します。 そして、同じ最適化済みパラメータに対して、ノイズなし版とノイズあり版の標本平均エネルギーを比較します。 すべてのゲートに脱分極ノイズがかかれば、ノイズあり側の平均エネルギーはノイズなしの値からずれるはずです。 これにより、差し替えたsamplerが実際に使われていることを確認できます。

noiseless sampler mean energy: -0.7970
noisy     sampler mean energy: -0.3830

脱分極ノイズはQAOA状態を最大混合状態へ近づけます。 その極限ではすべてのスピン配置が等確率になり、HCH_Cの平均値は0に収束します。 そのため、ノイズあり側の平均エネルギーは、ノイズなしよりも0に近い、つまり高い値になります。 error_probを大きくしたり、ノイズチャネルを追加したりすれば、ノイズあり側のエネルギーはさらに0へ近づきます。 逆にerror_prob=0.0にすれば、ショットノイズの範囲でノイズなしの値に戻ります。 リモートデバイス、密度行列シミュレータ、確率的な状態ベクトルsamplerなど、他のQURI Parts samplerに差し替える場合も同じやり方で動作します。 どの場合でも、量子カーネルの再トランスパイルは不要です。

まとめ

  • QuriPartsTranspiler().transpile(kernel, bindings=..., parameters=[...])は量子カーネルをQURI PartsのLinearMappedParametricQuantumCircuitに変換し、QURI Partsのdraw_circuitでそのまま確認できます。

  • QuriPartsExecutorは、デフォルトのQulacs状態ベクトルシミュレータ上で、QAOA形式のサンプリングを行うexecutable.sample()、qmc.expval(...)を返す量子カーネル向けのexecutable.run()、回路を直接扱う期待値計算のexecutor.estimate(...)をサポートします。

  • estimate_expectationは、渡された回路にフリーパラメータが残っているかどうかに応じて、QURI Partsのパラメトリックestimatorと非パラメトリックestimatorを切り替えます。通常はexecutor.estimate()を使えば、この切り替えを意識せずに済みます。

  • QURI PartsのNoiseSimulatorベースのsamplerなど、独自のsamplerやestimatorはtranspiler.executor(...)経由で差し替えられます。量子カーネルをトランスパイルし直す必要はありません。

関連ページ

  • CUDA-Qサポートでは、同じMaxCut QAOAの流れをCUDA-Q連携で扱います。

  • Qiskitサポートでは、同じ流れをQiskitで扱い、Aerシミュレータ、Qiskit primitive、Qiskitネイティブの回路機能も確認します。