Hardware Validation of DAGI via a Modular "Ridge" Signature and High-Order Synergistic Information

Diese Studie validiert das DAGI-Framework auf IBM-Quantenhardware durch den Nachweis, dass die unter Rauschen robuste algebraische Struktur eines modularen „Ridge"-Musters primär durch hochordentliche, synergistische Information (Ordnung 3) und nicht durch niederordentliche Randverteilungen charakterisiert wird.

Das Wesentliche

Das große Rätsel: Wie man verborgene Muster in verrauschten Quanten-Computern findet

Stellen Sie sich vor, Sie haben einen Quanten-Computer (in diesem Fall einen von IBM). Dieser Computer ist wie ein sehr talentierter, aber extrem nervöser Künstler. Wenn Sie ihm eine Aufgabe geben, versucht er, ein perfektes Bild zu malen. Aber weil er nervös ist (das nennt man „Rauschen" oder „Noise"), sind die Farben oft verschmiert und die Linien nicht ganz gerade.

Die Forscher wollen wissen: Können wir trotzdem erkennen, was der Künstler eigentlich malen wollte, obwohl das Bild verrauscht ist?

Um das zu testen, haben sie ein Experiment mit dem Namen DAGI (eine Art „Detektiv-Tool" für Informationen) durchgeführt. Hier ist, wie es funktioniert, Schritt für Schritt:

1. Das Spiel: Die unsichtbare Linie (Der „Rücken")

Stellen Sie sich zwei große Schieberegler vor, nennen wir sie U und V. Jeder Regler hat 16 Stellungen (von 0 bis 15).
Die Forscher haben einen geheimen Code (einen „Schlüssel" $k$) gewählt. Dieser Schlüssel bestimmt eine magische Regel: Wenn Sie den Wert von U kennen, dann muss V genau so sein, dass sie eine bestimmte mathematische Beziehung erfüllen (genauer gesagt: $V$ ist das Ergebnis von $U$ mal $k$, modulo 16).

Wenn man das Ergebnis auf ein Gitter malt, sieht man eine diagonale Linie. Die Forscher nennen diese Linie einen „Rücken" (Ridge).

• Das Ideal: Wenn der Computer perfekt wäre, würden alle Punkte genau auf dieser Linie liegen.
• Die Realität: Der nervöse Quanten-Computer streut die Punkte ein bisschen herum. Die Linie ist nicht mehr scharf, sondern wie ein verschwommener Nebelstreifen.

2. Der Test: Ist die Linie noch da?

Die Forscher haben den Computer 8.192 Mal laufen lassen (mit 8 verschiedenen geheimen Schlüsseln).
Das Ergebnis war erstaunlich: Die verschwommene Linie war immer noch sichtbar!
Obwohl der Computer „verrauscht" hat, war die Wahrscheinlichkeit, dass die Punkte auf der richtigen Linie landeten, fast dreimal so hoch wie wenn sie völlig zufällig herumgeworfen worden wären.

• Vergleich: Stellen Sie sich vor, Sie werfen 100 Münzen auf einen Tisch. Wenn sie zufällig liegen, gibt es keine Muster. Wenn aber 30 Münzen plötzlich eine gerade Linie bilden, während der Rest wild herumliegt, wissen Sie: Da steckt ein Plan dahinter! Das ist genau das, was die Forscher sahen.

3. Das Geheimnis: Warum einfache Zählungen nicht reichen

Hier kommt der spannende Teil. Die Forscher wollten herausfinden: Woher wissen wir, welcher geheime Schlüssel benutzt wurde?

• Der naive Ansatz: Man schaut sich jeden einzelnen Bit (jeden kleinen Punkt) an. Aber das war wie der Versuch, ein Puzzle zu lösen, indem man nur auf die Farbe eines einzelnen Puzzleteils schaut. Das half nicht, weil die einzelnen Bits fast zufällig aussahen (wie eine faire Münze, die mal Kopf, mal Zahl zeigt).
• Der DAGI-Ansatz (Das „Synergie"-Geheimnis): Das DAGI-Tool schaut nicht auf einzelne Bits, sondern darauf, wie Gruppen von Bits zusammenarbeiten.
  • Die Metapher: Stellen Sie sich ein Orchester vor. Wenn Sie nur auf den Geiger hören, hören Sie vielleicht nur ein leises Summen. Wenn Sie nur auf den Trompeter hören, auch nur ein leises Summen. Aber wenn Sie beide zusammen hören, entsteht eine Melodie, die man sonst nicht hören würde. Diese Melodie ist die „Synergie".
  • Die Forscher fanden heraus, dass die Information über den geheimen Schlüssel nicht in den einzelnen Bits steckt, sondern in der komplexen Beziehung zwischen den Bits (genauer gesagt: zwischen den Bits des ersten Registers und denen des zweiten Registers).

4. Der Beweis: Ist es wirklich Synergie oder nur Zufall?

Um sicherzugehen, dass sie nicht nur Zufallsmuster sahen, haben sie einen „Stress-Test" gemacht:
Sie haben die Labels (die Namen der Schlüssel) zufällig durcheinandergebracht und das Tool laufen lassen.

• Ergebnis: Wenn die Schlüssel zufällig waren, verschwand das Muster sofort. Da das Muster bei den echten Schlüsseln aber stark blieb, bewies das, dass die Information echt und synergetisch ist. Sie ist nicht in den einzelnen Teilen versteckt, sondern entsteht erst, wenn man das Ganze betrachtet.

Was bedeutet das für die Zukunft?

Dieses Papier ist wie ein Proof-of-Concept (ein Beweis, dass es funktioniert).

1. Robustheit: Selbst wenn Quanten-Computer noch sehr fehlerhaft sind (wie dieser nervöse Künstler), können wir mit cleveren mathematischen Werkzeugen (DAGI) die echten Muster finden.
2. Tiefe Einsicht: Es reicht nicht, nur die Oberfläche zu betrachten (einfache Zählungen). Wir müssen in die Tiefe gehen und schauen, wie die Teile zusammenarbeiten.
3. Zukunft: Die Forscher sagen: „Wir haben es mit einem kleinen Puzzle (4 Bits) geschafft. Das nächste Ziel ist es, mit größeren Puzzles (6 Bits und mehr) zu zeigen, dass diese Methode auch dort funktioniert."

Zusammenfassend:
Die Forscher haben bewiesen, dass man mit dem DAGI-Tool wie mit einem Röntgengerät durch das „Rauschen" eines Quanten-Computers schauen kann. Man sieht nicht nur den Lärm, sondern erkennt die verborgene, elegante Struktur (die „Linie" oder den „Rücken"), die durch die Zusammenarbeit vieler kleiner Teile entsteht. Das ist ein wichtiger Schritt, um zu verstehen, was Quantencomputer wirklich tun, auch wenn sie noch nicht perfekt sind.

Technische Zusammenfassung

Technische Zusammenfassung: Hardware-Validierung von DAGI via modulare „Ridge"-Signatur und hochgradige synergistische Information

Titel: Hardware Validation of DAGI via a Modular “Ridge” Signature and High-Order Synergistic Information
Autor: Petr Sramek (Whytics, Cambridge, MA, USA)
Datum: Preprint v1.0, März 2026 (Hardware-Execution: Dezember 2025)

---

1. Problemstellung

Moderne Quantencomputer weisen komplexe, korrelierte Rauschprozesse auf. Die von der Hardware zugänglichen Observablen sind oft indirekte und verrauschte Ansichten einer latenten algorithmischen Struktur. Eine zentrale praktische Herausforderung besteht darin, wie man aus rein klassischen Messbitstrings (ohne Zugriff auf den internen Quantenzustand) signifikante Strukturen detektieren, quantifizieren und lokalisieren kann, die trotz Hardware-Rauschen überleben.

Das Paper adressiert die Frage, ob das DAGI-Framework (Directed Acyclic Graph Information) in der Lage ist, nicht-triviale, hochgradige Informationsstrukturen zu identifizieren, die in niedrigen Randverteilungen (Low-Order Marginals) unsichtbar sind, aber durch synergistische Wechselwirkungen zwischen Bits entstehen.

2. Methodik und Experimentelles Design

Das DAGI-Framework

Das Framework kombiniert drei Hauptkomponenten:

1. Informationstheoretische Observablen: Berechnung der gegenseitigen Information $I(K; D_S)$ zwischen einem Latent-Variable (hier der Schlüssel $k$) und Teilmengen gemessener Bits $D_S$.
2. Möbius-Inversion: Eine Zerlegung der Information über das Teilmengen-Lattice, um irreduzible (synergistische) Beiträge zu isolieren. Positive Werte bei $|T| \ge 3$ deuten auf synergistische Information hin, die nur durch gemeinsame Beobachtung der Bits in $T$ gewonnen werden kann.
3. Zuverlässigkeitskontrollen: Bootstrap-basierte Verfahren, um zu verhindern, dass hochgradige Terme durch Sampling-Rauschen überinterpretiert werden.

Experimenteller Aufbau

• Hardware: IBM Quantum Backend ibm torino.
• Schaltungstyp: Eine kleine, kontrollierte Fourier/Oracle-artige Schaltung.
• Ziel: Zwei $n$-Bit-Register $(u, v)$ mit $n=4$ (insgesamt 8 gemessene Bits).
• Schlüsselraum: Eine Menge von 8 Schlüsseln $K \subset \mathbb{Z}_{16}$.
• Ideale Signatur: Für einen gegebenen Schlüssel $k$ konzentriert sich die ideale Wahrscheinlichkeitsmasse auf eine „Ridge" (Kamm) im gemeinsamen Raum $(u, v)$, definiert durch die Relation:
  $$v \equiv k \cdot u \pmod{16}$$
• Durchführung: Ein einziger SamplerV2-Job mit 8 Schlüsseln, jeweils 1024 Schüsse (Shots), insgesamt $N=8192$ Schüsse.
• Transpilierung: Optimierung Level 1, AQFT deaktiviert; mittlere Schaltungstiefe ca. 411, mittlere Zwei-Qubit-Gate-Anzahl ca. 224.

3. Schlüsselbeiträge und Metriken

Das Paper führt mehrere Metriken ein, um die Hypothesen zu testen:

1. Ridge-Trefferwahrscheinlichkeit ($p_{hit}$): Anteil der Messungen, die auf der idealen Ridge liegen. Vergleich mit der Uniform-Verteilung ($1/16$).
2. Schlüssel-Wiederherstellung (Key Recovery):
   • Pro-Shot: Klassifikator-Genauigkeit pro einzelner Messung.
   • Pro-Gruppe: „Dictionary Attack" über alle 1024 Schüsse pro Schlüssel.
3. Synergie-Score ($CPSK$): Der positive Massanteil der Möbius-Zerlegung bei Ordnung $k=3$ (gezielte Synergie).
4. Statistische Tests: Permutationstests (Label-Shuffle) zur Bestimmung der Signifikanz gegen eine Nullhypothese.

4. Ergebnisse

Überleben der Ridge-Struktur unter Rauschen

• Die Ridge-Struktur ist auch auf der verrauschten Hardware deutlich sichtbar.
• Ridge-Trefferwahrscheinlichkeit: $p_{hit} = 0.1830$ (gegenüber dem Zufallswert von $0.0625$).
• Ridge-Kontrast: $2.93\times$ (95% Bootstrap-KI [2.80, 3.06]). Dies bestätigt, dass die algebraische Signatur das Rauschen übersteht.

Schlüssel-Wiederherstellung

• Pro-Shot-Genauigkeit: $0.1689$ (Zufall: $0.125$). Der Wert liegt signifikant über dem Zufall (95% Wilson-KI [0.1610, 0.1772]).
• Gruppen-Wiederherstellung: $0.375$ (3 von 8 Schlüsselgruppen korrekt identifiziert), ebenfalls deutlich über dem Zufall.

Nachweis hochgradiger Synergie (DAGI-Kernhypothese)

• Uniformitäts-Check: Die einzelnen Bit-Randverteilungen (Marginals) sind nahezu uniform (Maximalabweichung $\approx 0.0724$). Dies zeigt, dass die Vorhersagbarkeit nicht durch einfache Einzelbit-Bias entsteht.
• Synergie-Score: Der berechnete Score für Ordnung 3 beträgt $CPSK(k=3) = 0.08788$.
• Signifikanz: Permutationstests ergeben $p = 0.001996$ für die Genauigkeit und $p = 0.004975$ für die Synergie. Die Ergebnisse liegen tief im Tail der Nullverteilung.
• Struktur: $97\%$ der positiven Masse bei Ordnung 3 sind cross-register (verbinden Bits aus Register $u$ und $v$), was der Semantik der Ridge-Relation entspricht.

Zuverlässigkeit und Ablationsstudien

• Zuverlässigkeitsgrenze: Ein Bootstrap-Sweep über die Schuss-Anzahl bestätigt, dass die Ordnung 3 bei 1024 Schüssen pro Schlüssel statistisch stabil bleibt ($CV \le 1$).
• Ablation: Modelle, die nur auf Paar-Features basieren, erzielen eine höhere Testgenauigkeit ($0.2368$) und bessere Kalibrierung als reine Marginal-Modelle ($0.1721$) oder Voll-Bitstring-Modelle. Dies unterstreicht, dass höhergradige Strukturen für die Vorhersage essenziell sind.

5. Bedeutung und Fazit

Diese Arbeit liefert eine Hardware-Validierung des DAGI-Frameworks auf einem realen, verrauschten Quantenprozessor (ibm torino).

• Validierung der Hypothese: Die Ergebnisse belegen, dass DAGI in der Lage ist, nicht-triviale, hardware-resistente Informationsstrukturen zu detektieren, die in niedrigen Ordnungen (einzelne Bits) unsichtbar sind, aber als synergistische Wechselwirkungen höherer Ordnung (Ordnung 3) auftreten.
• Algebraische Robustheit: Selbst bei moderater Schaltungstiefe und Rauschen bleibt die globale algebraische Einschränkung (die Ridge) als messbare Signatur erhalten.
• Methodischer Fortschritt: Die Studie demonstriert, wie man mittels Möbius-Inversion und Bootstrap-Kontrollen echte Information von Sampling-Rauschen trennen kann.

Einschränkungen: Das Experiment verwendet eine reduzierte Instanz ($n=4$ statt $n=6$), um die Schaltungstiefe und die Stichprobengröße handhabbar zu halten. Es ist eine kontrollierte Validierung, keine Skalierungsbehauptung. Dennoch bestätigt es die zentrale Logik des DAGI-Ansatzes: Die Detektion und Quantifizierung von Synergie in Quantenmessdaten, die über klassische Korrelationen hinausgeht.