Operator backpropagation

Package ini mengimplementasikan operator backpropagation (OBP) untuk mengurangi kedalaman circuit dalam perhitungan expectation value. Teknik ini merambatkan observable mundur melalui Gate di akhir quantum circuit, sehingga menghasilkan circuit yang lebih dangkal dengan konsekuensi bertambahnya basis pengukuran observable. Semakin jauh operator di-backpropagate melalui circuit, ukuran observable tumbuh secara eksponensial, yang menimbulkan overhead sumber daya klasik maupun kuantum. Meski begitu, untuk beberapa circuit, distribusi observable Pauli yang dihasilkan lebih terkonsentrasi daripada skala eksponensial kasus terburuk, artinya beberapa suku dalam Hamiltonian dengan koefisien kecil bisa dipotong untuk mengurangi overhead kuantum. Error yang timbul dari pemotongan ini bisa dikontrol untuk menemukan keseimbangan yang pas antara presisi dan efisiensi.

Ada beberapa cara untuk melakukan operator backpropagation. Package ini menggunakan metode berbasis teori perturbasi Clifford, yang punya keunggulan bahwa overhead akibat backpropagation berbagai Gate ditentukan oleh tingkat non-Clifford dari Gate tersebut. Hal ini membuat efisiensi lebih tinggi untuk beberapa keluarga circuit dibandingkan metode OBP berbasis tensor-network, yang saat ini masih punya overhead klasik tinggi bahkan ketika overhead kuantumnya masih terkendali.

Package ini cocok untuk mengestimasi expectation value dari quantum circuit umum dan observable Pauli. Namun, untuk circuit dengan magic tinggi (sangat non-Clifford), error observable akibat truncation kemungkinan akan menjadi terlalu besar sebelum observable dirambatkan melalui bagian circuit yang berarti. Untuk circuit yang mendekati Clifford, mungkin saja observable bisa dirambatkan melalui bagian circuit yang jauh lebih banyak dengan batas error yang tetap relatif kecil.

Memulai

Panduan singkat untuk membantu kamu mulai dengan cepat memakai package ini tersedia di panduan quickstart.

Contoh kasus penggunaan

Teknik ini telah digunakan untuk mengimplementasikan circuit Trotter berkedalaman lebih rendah untuk evolusi waktu model spin 2D [1].

Pembahasan teknis

• Satu titik masuk: fungsi backpropagate menjalankan OBP.

• Dua kontrol independen untuk tradeoff kedalaman ↔ akurasi:

  • OperatorBudget membatasi seberapa besar observable boleh tumbuh selama backpropagation.

  • TruncationErrorBudget membatasi seberapa besar error yang boleh timbul selama backpropagation.

• Efektivitas tergantung seberapa Clifford circuit-nya: untuk circuit dengan magic tinggi (yaitu sangat non-Clifford), suku-suku yang ditambahkan ke observable cenderung punya koefisien lebih besar, sehingga error truncation muncul lebih awal dan membatasi penghematan kedalaman di bawah budget error yang tetap. Circuit yang mendekati Clifford bisa dipotong lebih agresif dan di-backpropagate lebih dalam dengan budget yang sama.

• Sepenuhnya bisa diinspeksi: setiap run mengembalikan objek OBPMetadata yang mencatat jumlah Pauli per slice, jumlah grup QWC, dan akumulasi error truncation, dengan helper plot_* untuk memvisualisasikan pertumbuhan operator dan error terhadap kedalaman circuit — berguna untuk menyetel budget sebelum memakai waktu QPU.

Berkontribusi

Panduan developer ada di CONTRIBUTING.md di root repositori proyek ini. Dengan berpartisipasi, kamu diharapkan menjunjung kode etik Qiskit.

Kami menggunakan GitHub issues untuk melacak permintaan dan bug.

Mengutip package ini

Kalau kamu memakai package ini dalam penelitianmu, gunakan file CITATION.bib di repositori proyek ini untuk mengutip referensi yang sesuai.

Lisensi

Apache License 2.0

Kebijakan deprecation

Package ini mengikuti semantic versioning. Sesekali kami mungkin membuat perubahan yang merusak (breaking changes) demi meningkatkan pengalaman pengguna. Kalau memungkinkan, kami akan mempertahankan antarmuka lama dan menandainya sebagai deprecated, selama masih bisa berdampingan dengan yang baru. Setiap peningkatan besar, breaking change, atau deprecation akan didokumentasikan di catatan rilis.

Referensi

1. 2. Fuller et al., “Improved quantum computation using operator backpropagation,” npj Quantum Inf. 12, 51 (2026). [arXiv]