My project in the Qiskit Mentorship Program 2022

At last, I finished my project, “VQE optimization with dynamic shot scheduling”, in the Qiskit Mentorship Program 2022!

Here, some conclusions and tips for those who want to learn a lot in the raising field of Quantum Computing.

What is Qiskit and what is the Advocate Program?

Qiskit is the IBM programming language for Quantum Computing.

The Qiskit Mentorship Program is an initiative of IBM, to match Qiskit Advocates enthusiasts and IBM Quantum specialists, to increase contributions / participation in this small community of aficionados.

It is a great chance to learn a bit more about Quantum Computing, also to do a small contribution to the community.

About the prerequisites:

A prerequisite is to be a Qiskit Advocate. To be an advocate, the first step is to pass a test on Qiskit language, the IBM Certified Associate Developer. It also requires contributions in this field (a paper, or articles).

After that, you can apply to the Qiskit Advocate program. There is a yearly process to that. Once approved, you will be part of an exclusive group, and eligible to the Mentorship Program.

About the mentorship program and timeline of the project

There are two mentorship programs per year.

My application began in February 2022, with a list of projects suggested by mentors and necessary skills.

There are several themes, including tutorials, optimization, quantum machine learning and so on. The advocates can candidate to work in the projects, and, if they are accepted, the match is made. It is possible to have groups of advocates working together in the project.

A list of projects for QAMP can be consulted at [1].

From official kickoff to final showcase, we have three months to deliver the project, with the help of the mentor. In my case, my mentor was Julien Gacon, from Germany, currently working at IBM Swiss.

There are two intermediary checkpoints, first a kick meeting to show the status of the works, and the second, a written report.

I did a weekly meeting with the mentor, using Zoom. Besides, chat and exchange of information via Slack platform. In today’s world, we have several tools that makes it very easy to work with anyone around the world.

About the project: “VQE optimization with dynamic shot scheduling”

Despite the confusing name, the idea is not so strange for those who know a bit of optimization.

Let’s go bit by bit (or qubit by qubit).

In current near term quantum era, variational algorithms (like VQE — Variational Quantum Eigensolver) can be very useful. Those are hybrid classical-quantum: one part of the circuit is quantum (the encoded problem), and another part is classical (the parameters that minimize the output of the circuit).

There are applications of VQE in the simulation of chemical molecules, for example.

In current quantum era, those are problems in VQE like circuits:

– Shots (evaluations of the circuit) are expensive in a real quantum computer

– Noise is a problem

There are several possible approaches to maximize performance:

– Choosing better Ansatz (circuits that represent the problem)

– Changing how to choose the cost function

– Use and tuning of several gradient and non-gradient methods

In the case of my project, we used a strategy that adapts the number of shots. In general terms, more noise, more shots are necessary.

The method is based on the paper of Kubler at al. [2], where he cites adaptive shots is the most efficient optimizer, looking at the total number of shots. The algorithm has the name ICANS (individual Coupled Adaptive Number of Shots).

How to measure the noise? A proxy for noise is the variance of results of shots. The bigger the variance, the bigger the noise, and then, more shots are necessary, in next round of optimization.

This method estimates the number of shots per round, also per partial derivative of the gradient.

I hope now the title of the work is clearer: VQE optimization (the hybrid quantum classical circuit) with dynamic shot scheduling (different shots per round per partial derivative, more noise more shots).

The tests we made, based on benchmarks against Gradient Descent and SPSA, confirmed results of reference papers.

As a deliverable, I wrote a code in Qiskit, with iCANS as new subclass of VQE. I opened a pull request on Github, to incorporate this code in Qiskit. It was my first contribution in an open source project.

Conclusion

In the end of the program, IBM kindly offers a certified badge for those who completed all the steps of the program:

(https://www.credly.com/badges/8c43a076-9de1-4af2-b054-e903473a7869).

I hope this little description of the program could clarify some questions and inspire more people to join us in this beautiful journey.

Quantum computing is a promising field. According to McKinsey: “Big pharma could apply quantum computing to protein structure and interactions, an opportunity worth $200 billion. Telecoms could use it to optimize their capital spending, worth a potential $50 billion to $70 billion.” [3]

Thanks, IBM, for the opportunity and my mentor Julien Gacon for the patience and dedication.

By Arnaldo Gunzi, Project Manager on Advanced Analytics, AI and Quantum Computing, in a big paper & pulp industry in Brazil.

Follow me on LinkedIn: https://www.linkedin.com/in/arnaldogunzi/

[1] https://github.com/qiskit-advocate/qamp-spring-22

[2] An Adaptive Optimizer for Measurement-Frugal Variational Algorithms. Jonas M. Kübler, Andrew Arrasmith, Lukasz Cincio, Patrick J. Coles https://arxiv.org/abs/1909.09083.

[3] https://www.mckinsey.com/business-functions/mckinsey-digital/our-insights/tech-forward/the-path-forward-for-quantum-computing

Digital Minds – A Década Quântica

Participei da série Digital Minds, da IBM, com a participação de alguns dos maiores especialistas do Brasil. Uma mesa-redonda sobre computação quântica e aplicações.

Alguns dos tópicos:

  • Que sugestões você daria para CEOs e CIOs que pretendam implementar uma estratégia de computação quântica nos negócios?
  • Quais aplicações com maior potencial?
  • Quais os maiores riscos e qual o status atual da tecnologia?

Confira no link a seguir.

Sugestões para implementar Comp Quântica nos negócios

Dei uma entrevista à série “Digital minds”, da IBM, que será divulgada em alguns dias.

Foram várias perguntas e tinham outras pessoas na discussão, mas segue uma palhinha, sobre uma das perguntas:

Que sugestões você daria para CEOs e CIOs que pretendam implementar uma estratégia de computação quântica nos negócios?

As principais aplicações possíveis, para todas as indústrias, são: Cibersegurança / Simulação de moléculas químicas / Otimização.

  • Cyber: potencial de quebrar a criptografia atual / corrida para adotar protocolos resistentes à ataques de computadores quânticos.
  • Simulação de moléculas químicas: é a ideia original de Richard Feynman. Para simular propriedades quânticas dos átomos, porque não utilizar um computador quântico?
  • Otimização: problemas presentes em toda indústria, como roteirização de veículos, sequenciamento de produção, matching, trim da máquina de papel

É uma tecnologia disruptiva em futuro visível. E está havendo uma corrida para desenvolver melhores e maiores computadores. Ex. China X EUA.

Um dia a computação quântica vai se tornar tão relevante quanto IA é hoje.

Vejo dois maiores riscos, em paralelo com o que vem acontecendo com a Inteligência Artificial nos dias de hoje: 1) Falta de especialistas no mercado e 2) Aplicações que dizem usar IA mas que não geram valor real.

Para tal:
1) Já começar a preparar times internos que entendam do tema e que dominem os problemas do negócio. Ter pessoas minimamente antenadas no que vem acontecendo.

2) Ter em mente que vai demorar muitos anos para colher resultados, mas que sem o patrocínio das empresas atuais será muito difícil conseguir.

Para dar uma ideia do potencial, anotei alguns números deste relatório da McKinsey.

O tamanho do impacto na indústria farmacêutica $200 bilhões. Em Telecom, $50 bilhões.

https://www.mckinsey.com/business-functions/mckinsey-digital/our-insights/tech-forward/the-path-forward-for-quantum-computing

Quem conseguir se preparar vai ficar à frente das outras.

IBM Q Challenge – Inverno 2020

Finalizei a participação no IBM Q Challenge Fall 2020, resolvendo 4 questões de 5.

Foram três semanas, onde os exercícios foram sendo liberados aos poucos. O tema deste ano foi o algoritmo de Grover e memória quântica (QRAM). Os desafios foram progressivamente mais difíceis: a primeira semana foi fácil, a segunda foi média, a terceira, extremamente difícil.

O Grover é uma das aplicações práticas da comp. quântica: como encontrar a resposta correta, numa base não estruturada (é como achar um número de telefone específico numa lista telefônica).

É possível formular problemas de otimização de forma a serem resolvidos pelo método citado.

Há um ganho quadrático do Grover em relação à computação clássica. Um ganho quadrático não é muita coisa – o ideal seria um ganho exponencial como o algoritmo de Shor (que potencialmente pode comprometer toda a criptografia atual). Porém, mesmo assim, quem sabe num futuro próximo surja alguma aplicação interessante?

Qual o menor número de linhas horizontais ou verticais para cobrir todas as estrelas? No caso, três linhas verticais resolvem

O quinto desafio foi bastante complicado. Envolvia usar o Grover para resolver um problema de otimização, batizado de “asteroides”. O objetivo era fazer para uma superposição de 16 tabuleiros diferentes, ao mesmo tempo (guardando na QRAM), e encontrar o tabuleiro que necessitava de mais passos.

Agradeço à IBM pela oportunidade de aprender um pouco mais sobre este nascente ramo do conhecimento.

IBM Quantum Challenges – IBM Quantum Experience

Qiskit Summer School 2020

Postagem sobre o summer school do Qiskit.

https://www.linkedin.com/posts/arnaldogunzi_ibm-qiskit-quantumcomputing-activity-6706320160816435201-EOMD

Quantum computing is a emerging field of knowledge. What was only theory years ago now is becoming reality.

I’m very proud and honoured to have attended the Qiskit Summer School 2020.

This course covered hot topics as quantum algorithms, error correction, superconducting devices and quantum chemistry, as well as labs to test our knowledge.

Thanks to Abraham Asfaw, James Wooton, Elisa Bäumer, Zlatko Minev and all the other members of #IBM.

IBM Quantum Challenge 2020

Participei do IBM Quantum Challenge 2020, e gostaria de compartilhar a experiência.

Computadores quânticos são a próxima fronteira da computação. É um mundo esquisito, onde os bits podem ser sobrepostos, entrelaçados, enviados para outros universos e trazidos de volta com a solução correta (obs. há um certo exagero nessa afirmação).

No desafio são propostas 4 séries de exercícios, em dificuldade crescente. Todos na linguagem Qiskit, baseada em Python. A interface é o Jupyter Notebook, rodando nos servidores da IBM (que chegou a cair, por excesso de utilização).

Na maior parte das vezes, usamos o modo simulador, porém, num exercício tivemos o prazer de rodar um dos computadores quânticos reais da IBM, no meu caso, o IBMQ_16_Melbourne.

Das 4 séries de exercícios, completei 3, e aprendi uma quantidade enorme de conceitos no processo.

– 8 questões sobre circuitos quânticos

– 4 questões sobre ruído

– Experimento sobre criptografia quântica BB84

– Decompor um circuito nos componentes básicos

Este campo ainda está na infância. Pode crescer exponencialmente. Ou não, pode ser que dê em nada. Uma sobreposição de sucesso ou fracasso, como o gato de Schrodinger.

Obrigado à IBM pela dedicação.

https://quantum-computing.ibm.com/challenges/4anniversary