Поглинання поширеного шуму (PNA)

Цей пакет реалізує поглинання поширеного шуму (PNA) [1] для пом'якшення помилок в очікуваному значенні спостережуваних.

PNA працює шляхом «поглинання» обернених вивчених шумових каналів у цільову спостережувану за допомогою поширення Паулі. Тобто кожен генератор шуму Паулі в моделі шуму класично поширюється до кінця схеми й застосовується до спостережуваної. Це дає нову спостережувану, яка, будучи виміряною на QPU, пом'якшує вивчений шум гейтів.

Цей пакет підходить для оцінювання очікуваних значень загальних квантових схем і спостережуваних Паулі; проте цей метод загалом найефективніший на схемах, близьких до кліффордових.

Початок роботи

Простий посібник, який допоможе швидко почати роботу з цим пакетом, доступний у короткому посібнику.

Приклади використання

Цю техніку використано для пом'якшення шуму в 56-кубітних тротеризованих моделях Ізінга [1].

Технічне обговорення

Огляд методу

Виконання заплутувальних гейтів на сучасних QPU призводить до значної кількості шуму. Доки повністю відмовостійкі пристрої не з'являться, ідеальні заплутувальні гейти, $U$, будуть недоступні. Натомість на них впливатиме певний шумовий канал, $\Lambda$.

Цей шум гейтів можна вивчити й ефективно охарактеризувати як модель Паулі-Ліндблада, і, як показано в імовірнісному скасуванні помилок (PEC), ми можемо пом'якшити помилку, реалізувавши антишум, $\Lambda^{-1}$, за допомогою протоколу вибірки на QPU [2]. Інші методи, такі як пом'якшення помилок на тензорних мережах (TEM), реалізують обернений шумовий канал як крок класичної постобробки [3].

Як і TEM, PNA реалізує обернений шумовий канал на етапі класичної обробки. Тоді як TEM використовує тензорні мережі, щоб описати й застосувати відображення, що пом'якшує шум, до набору інформаційно повних вимірювань, PNA використовує поширення Паулі, щоб поширити спостережувану, $O$, крізь обернений шумовий канал. Це дає нову спостережувану, $\tilde{O}$, яка, будучи виміряною на шумному стані, пом'якшує вивчений шум.

Джерела зміщення

• Ця реалізація поширює кожен генератор помилок Паулі в кожному антишумовому каналі, $\Lambda^{-1}_i$, до кінця схеми. Коли кожен антишумовий генератор поширюється вперед крізь схему під дією $N$ гейтів обертання Паулі $M$-кубітної схеми, кількість членів зростатиме як $O(2^N)$ аж до максимуму в $4^M$ унікальних компонентів Паулі. Щоб контролювати обчислювальну вартість, члени з малими коефіцієнтами потрібно відкидати, що спричиняє певну похибку в еволюціонованому антишумовому каналі.

• Окрім відкидання членів еволюціонованого антишумового каналу, $\Lambda^{-1}$, $\tilde{O}$ також усікається під час поширення крізь $\Lambda^{-1}$. Це також є джерелом зміщення в кінцевому пом'якшеному очікуваному значенні.

• Хоча дозвіл $\tilde{O}$ зростати під час поширення підвищує її точність, її вимірювання потребує значно більшої кількості шотів на QPU. Зазвичай це збільшує коефіцієнти вихідних членів Паулі в $O$ та створює багато нових членів Паулі з меншими коефіцієнтами. І перемасштабування вихідних коефіцієнтів, і створення нових членів можуть збільшити накладні витрати на вибірку. На практиці ми усікаємо ще раз, вимірюючи лише найбільші члени в $\tilde{O}$.

Внесок у розробку

Вихідний код доступний на GitHub.

Посібник розробника розташований у CONTRIBUTING.md у корені репозиторію цього проєкту. Беручи участь, ти зобов'язуєшся дотримуватися кодексу поведінки Qiskit.

Ми використовуємо GitHub issues для відстеження запитів і помилок.

Цитування цього пакета

Якщо ти використовуєш цей пакет у своїх дослідженнях, скористайся файлом CITATION.bib у репозиторії цього проєкту, щоб процитувати відповідні джерела.

Ліцензія

Apache License 2.0

Політика застарівання

Ми дотримуємося семантичного версіонування. Іноді ми можемо вносити несумісні зміни, щоб покращити досвід користувача. Коли це можливо, ми зберігатимемо старі інтерфейси та позначатимемо їх як застарілі, доки вони можуть співіснувати з новими. Кожне суттєве покращення, несумісну зміну чи застарівання буде задокументовано в примітках до випуску.

Джерела

1. Andrew Eddins, et al., Computing noise-canceling observables via Pauli propagation, arXiv:2606.20441 [quant-ph].

2. Ewout van den Berg, et al., Probabilistic error cancellation with sparse Pauli-Lindblad models on noisy quantum processors, arXiv:2201.09866 [quant-ph].

3. Sergei Filippov, et al., Scalable tensor-network error mitigation for near-term quantum computing, arXiv:2307.11740 [quant-ph].