Noise-Robust Estimation of Quantum Observables in Noisy Hardware

إليك ملخص تقني مفصل للورقة البحثية بعنوان "التقدير المتين للضوضاء للملاحظات الكمومية في الأجهزة ذات الضوضاء العالية" (Noise-Robust Estimation of Quantum Observables in Noisy Hardware).

1. بيان المشكلة

تواجه الحوسبة الكمومية على الأجهزة ذات المقياس المتوسط الذي يتسم بالضوضاء (NISQ) عائقاً يتمثل في ضوضاء الأجهزة، التي تؤدي إلى فساد القيم المتوقعة وتحد من الفائدة الحسابية. ورغم وجود تقنيات تخفيف الخطأ الكمومي (QEM)، إلا أنها تواجه تحديات كبيرة:

• الطرق المدركة للضوضاء (مثل إلغاء الخطأ الاحتمالي - PEC): تتطلب توصيفاً دقيقاً للضوضاء، وهو أمر يصعب تعلمه وعرضة للانحراف، مما يؤدي إلى انحياز متبقٍ.
• الطرق غير المدركة للضوضاء (مثل استقراء الضوضاء الصفرية - ZNE):
  • عدم تطابق النموذج: غالباً ما تفترض نماذج بسيطة لتلاشي الضوضاء (مثل التلاشي الأسي المنفرد)، بينما تتبع الدوائر غير الكليفورية (non-Clifford) الحقيقية في الواقع عمليات تلاشٍ معقدة متعددة الأسية، مما يتسبب في حدوث انحياز.
  • التضخيم غير المثالي: التقنيات مثل "طي الوحدة" (unitary folding) لا تضخم الضوضاء بشكل موحد لأن قنوات الضوضاء التجريبية غالباً لا تتبادل مع وحدات الدائرة.
  • الإفراط في أخذ العينات: تعاني العديد من الطرق من تكاليف أخذ عينات أسية مع زيادة حجم الدائرة أو معدلات الخطأ.

هناك حاجة ماسة لإطار عمل غير مدرك للضوضاء يعمل على كبح انحياز التقدير بشكل منهجي دون الحاجة إلى نمذجة تفصيلية للضوضاء، مع الحفاظ على تكاليف أخذ عينات يمكن التحكم فيها.

2. المنهجية: التقدير المتين للضوضاء (NRE)

قدم المؤلفون بروتوكول التقدير المتين للضوضاء (NRE)، وهو بروتوكول معالجة لاحقة يتكون من مرحلتين يجمع بين الدائرة المستهدفة ودائرة مرافقة "ملغية للضوضاء" ذات بنية مشابهة.

المفهوم الجوهري

يقوم NRE ببناء مقدر مساعد ($A$) يكون أقل حساسية للضوضاء من الملاحظ (observable) الخام. يعتمد إطار العمل على اكتشاف أن مقدار الانحياز المتبقي في المقدر الأساسي يرتبط بـ التشتت الطبيعي لهذا المقدر المساعد عبر تجليات الضوضاء المضخمة.

البروتوكول ذو المرحلتين

المرحلة الأولى: التقدير الأساسي

• بناء الدائرة:
  • الدائرة المستهدفة ($t$): هي الدائرة محل الاهتمام.
  • **الدائرة الملغية للضوضاء ($ncc$):** دائرة لها نفس بنية البوابات والاتصال بالدائرة المستهدفة، ولكن مع استبدال البوابات غير الكليفورية بأقرب بوابات كليفورية (بتقليل معيار فروبينيوس)، مما يسمح بحساب القيمة المتوقعة المثالية الخالية من الضوضاء$\langle O \rangle_{ncc}$ كلاسيكياً.
• جمع البيانات: تُؤخذ القياسات عند $M$ من عوامل مقياس الضوضاء المختلفة ($\lambda_i$)، عادةً باستخدام تقنية طي الوحدة العالمية.
• بناء الكمية المساعدة:
  يتم تعريف الكمية المساعدة $A$ كالتالي:
  $$A_{ncc}(n, \lambda_i) = P_1(\lambda_i) + n P_2(\lambda_i)$$
  حيث أن:
  • $P_1(\lambda_i) = \langle \tilde{O} \rangle_t(\lambda_i) \cdot \frac{\langle O \rangle_{ncc}}{\langle \tilde{O} \rangle_{ncc}(\lambda_i)}$ (يصحح للضوضاء الضربيه).
  • $P_2(\lambda_i) = \log\left(\frac{\langle O \rangle_{ncc}}{\langle \tilde{O} \rangle_{ncc}(\lambda_i)}\right)$ (يلتقط الانحرافات الضربيه في الفضاء اللوغاريتمي).
  • $n$ هو معامل تحكم قابل للضبط.
• التحسين: يتم تحسين معامل التحكم ($n_{op}$) بحيث يؤدي مفكوك تايلور لـ $A$ حول أصغر مقياس للضوضاء ($\lambda_1$) إلى إلغاء حدود الانحياز من الرتبة الأولى. ينتج عن ذلك المقدر الأساسي ($\langle O \rangle_{b-NRE}$).

المرحلة الثانية: ارتباط التشتت والانحياز والاستقراء

• المقياس التشخيصي: يتم حساب التشتت الطبيعي ($D$) كمتوسط الانحراف المطلق (MAD) للمقدر المساعد $A$ عبر مقاييس الضوضاء، مقسوماً على MAD للملاحظ المستهدف الخام.
  $$D = \frac{\text{MAD}[\{A(\lambda_i)\}]}{\text{MAD}[\{\langle \tilde{O} \rangle_t(\lambda_i)\}]}$$
• الرؤية النظرية: يوضح الاشتقاق التحليلي أن الانحياز المتبقي للمقدر الأساسي محكوم بنفس التسلسل الهرمي للمشتقات التي تتحكم في تباين $A$. لذلك، فإن قيمة $D$ الأصغر تعني انحيازاً متبقياً أقل.
• الاستقراء:
  1. البوتستراب (Bootstrapping): توليد مجموعة من المقدرات الأساسية وقيم $D$ المقابلة لها عن طريق إعادة أخذ عينات من التعدادات التجريبية.
  2. الانحدار: إجراء انحدار مرجح للمقدرات الأساسية مقابل $D$.
  3. التقدير النهائي: الاستقراء إلى حد التشتت الصفري ($D \to 0$) للحصول على تقدير NRE النهائي ($\langle O \rangle_{NRE}$). هذا يعمل فعلياً على تصفية الحالات ذات الانحياز العالي.

3. المساهمات الرئيسية

• إطار عمل مبتكر: تقديم NRE، وهو طريقة غير مدركة للضوضاء لا تتطلب نمذجة صريحة للضوضاء أو تدريباً على دوائر قريبة من كليفوري (على عكس CDR/vnCDR).
• مقياس تشخيصي: اكتشاف والتحقق من الارتباط بين التشتت الطبيعي لمقدر مساعد وبين مقدار الانحياز المتبقي. يوفر هذا وسيلة قابلة للقياس ومستندة إلى البيانات لتحديد وقياس الانحياز.
• معالجة لاحقة ذات مرحلتين: اتباع نهج مهيكل يبني أولاً مقدراً أساسياً متيناً ثم يستخدم الاستقراء الإحصائي إلى حد $D \to 0$ لتقليل الانحياز المتبقي.
• الكفاءة: يتطلب NRE دائرة واحدة فقط ملغية للضوضاء لكل دائرة مستهدفة، مما يتجنب مجموعات البيانات الضخمة المطلة للطرق القائمة على الانحدار.

4. النتائج التجريبية

قام المؤلفون بالتحقق من صحة NRE على معالج كمومي فائق التوصيل IQM Garnet مكون من 20 كيوبت باستخدام دوائر تصل إلى 480 بوابة CZ متشابكة.

• الاختبار المرجعي 1: نموذج آيزينج للمجال المستعرض (TFIM)

  • الإعداد: 20 كيوبت، 240 بوابة CZ، مقاييس ضوضاء متغيرة.
  • الأداء: حقق NRE باستمرار انحيازاً أقل بكثير مقار بـ ZNE و CDR و vnCDR وطريقة Urbanek et al.
  • المتانة: بخلاف ZNE، الذي يتأثر باختيار عوامل مقياس الضوضاء ونماذج الاستقراء، قدم NRE تقديرات مستقرة عبر مختلف تكوينات الضوضاء.
  • الضوضاء القصوى: في الأنظمة شديدة الضوضاء (حيث تم خفض القيم المستهدفة بنسبة ~80%)، ظل NRE هو الطريقة الوحيدة القادرة على استعادة تقدير دقيق (ضمن ~10% من القيمة المثالية).

• الاختبار المرجعي 2: الكيمياء الكمومية (جزيء H4)

  • الإعداد: 8 كيوبت، دوائر عميقة (تصل إلى 264 عمقاً)، ملاحظات عالية الوزن (وزن Pauli يصل إلى 6).
  • الأداء: رغم تأثيرات الضوضاء القوية (حيث تم خفض القيم المستهدفة بنسبة 70-90%)، استعاد NRE طاقة الحالة الأرضية بالقرب من القيمة المثالية، محققاً الدقة الكيميائية (خطأ < 1.59 mHa) في الإعدادات المثلى.
  • المقارنة: تفوق NRE على ZNE وطريقة Urbanek، اللتين فشلتا في استعادة الطاقات الدقيقة في الدوائر العميقة والمشوبة بالضوضاء.

• تحليل عبء أخذ العينات

  • أظهرت المحاكاة العددية أنه بينما يمتلك NRE عبئاً أعلى في أخذ العينات مقار بـ ZNE (حوالي 7 أضعاف)، فإن الخطوة الثانية من المعالجة اللاحقة (الاستقراء إلى $D \to 0$) تقلل هذا العبء بمقدار ~6.2 ضعف مقارنة بالمقدر الأساسي وحده.
  • يحافظ المنهج على عبء معتدل مع توفير كبح أفضل بكثير للانحياز مقارنة بالتقنيات الموجودة.

5. الأهمية والأثر

• العملية في عصر NISQ: يقدم NRE استراتيجية عملية وشاملة لاستخراج نتائج موثوقة من الأجهزة الحالية المشوبة بالضوضاء دون الحاجة إلى تصوير معقد للضوضاء.
• المتانة تجاه العيوب: المنهج متين بطبيعته ضد التضخيم غير المثالي للضوضاء (وهي نقطة فشل شائعة في ZNE) لأن الاستقراء إلى $D \to 0$ يعوض بشكل طبيعي عن عدم تطابق القياس.
• القابلية للتوسع: من خلال طلب دائرة مرافقة واحدة وتجنب النمو الأسي في بيانات التدريب، يعد NRE أكثر قابلية للتوسع من طرق الانحدار القائمة على البيانات مثل CDR.
• الاتجاهات المستقبلية: توضح الورقة إمكانية التكامل مع تصحيح الخطأ (NRE على مستوى المنطق) واستخدام التعلم الآلي لتحسين بناء الدائرة الملغية للضوضاء واستراتيجيات الانحدار.

في الختام، يمثل NRE تقدماً كبيراً في تخفيف الخطأ من خلال الاستفادة من مقياس تشخيصي إحصائي (التشتت) لقمع الانحياز بشكل منهجي، مما يضع معياراً جديداً للحوسبة الكمومية الموثوقة على الأجهزة ذات الضوضاء العالية.