Veröffentlicht am: Dec 9, 2022
SV1, der On-Demand-Zustandsvektorsimulator von Amazon Braket, unterstützt jetzt die Berechnung von Gradienten mithilfe der adjungierten Differenzierungsmethode. Dies ermöglicht Kunden, die Laufzeit zu reduzieren und Kosten für ihre Quantum-Machine-Learning- und Optimierungs-Workloads zu sparen. Mit dieser Einführung können Kunden, die Variationsquantenalgorithmen mit einer Vielzahl von Parametern simulieren, wie z. B. den Quantenapproximations-Optimierungsalgorithmus (Quantum Approximate Optimization Algorithm, QAOA), nun nahtlos adjungierte Gradientenberechnungen entweder direkt aus dem Braket Python SDK, der API oder über PennyLane integrieren, ein Open-Source-Software-Framework, das für quantendifferenzierbare Programmierung entwickelt wurde.
Bei der klassischen Simulation zur Berechnung von Gradienten für Variationsquantenalgorithmen bevorzugen Kunden aufgrund ihrer inhärenten Effizienz die Methode der adjungierten Differenzierung, die unabhängig von der Anzahl der Parameter oder der Anzahl der Qubits nur zwei Circuit-Ausführungen erfordert. Alternative Methoden, wie die Parameter-Shift-Regel, erfordern die lineare Skalierung der Anzahl der Circuit-Ausführungen mit der Anzahl der Parameter. Beispielsweise ermöglicht die Berechnung von Gradienten unter Verwendung der adjungierten Differenzierungsmethode für einen Zwei-Ebenen-QAOA mit insgesamt vier Parametern eine vierfache Laufzeitbeschleunigung und entsprechende Kosteneinsparungen im Vergleich zur Verwendung der Parameter-Shift-Methode. Um adjungierte Gradienten auf SV1 zu berechnen, geben Kunden nun einfach den Ergebnistyp des adjungierten Gradienten zusammen mit den entsprechenden Parametern und Beobachtungswerten an und führen ihre Simulation wie gewohnt durch.
Diese Funktion ist ab heute in allen AWS-Regionen, in denen Braket angeboten wird, ohne zusätzliche Kosten verfügbar. Sehen Sie sich für den Einstieg in die Gradientenberechnung auf SV1 die folgenden Ressourcen an: Entwicklerhandbuch zu Amazon Braket, Beispiel-Notebook zur Erkundung der adjungierten Gradientenberechnung mit Braket oder dieses Beispiel-Notebook mit PennyLane-Integration. Weitere Informationen zum kostenlosen AWS-Kontingent für die Simulatornutzung mit Braket finden Sie auf der Preisseite.