Shallow randomized measurement in noisy quantum devices

Título: Medición Aleatoria Superficial en Dispositivos Cuánticos Ruidosos
Autores: Gyungmin Cho y Dohun Kim (Universidad Nacional de Seúl)

Planteamiento del Problema

Si bien el hardware cuántico está mejorando, los dispositivos cercanos al uso comercial siguen estando limitados por el ruido y la profundidad de circuito restringida. Los protocolos estándar para aprender propiedades de estados cuánticos, como las sombras clásicas, enfrentan un compromiso: las Mediciones de Pauli Aleatorias (RPM) son experimentalmente simples pero ineficientes para observables de bajo rango, mientras que las Mediciones de Clifford Aleatorias (RCM) son eficientes para observables de bajo rango pero requieren circuitos profundos ($O(n)$) que son inviables en los actuales dispositivos de escala intermedia con ruido cuántico (NISQ). Los enfoques de "sombras superficiales" existentes, basados principalmente en circuitos de ladrillos (brickwork), ofrecen un punto medio, pero a menudo carecen de expresiones de forma cerrada para el canal de sombra y su inversa, lo que complica el post-procesamiento y las extensioniones a protocolos avanzados como la desrandomización o la mitigación de errores. Además, las ventajas sistemáticas de las mediciones superficiales en diversas tareas de aprendizaje (más allá de aplicaciones específicas) y su robustez ante el ruido experimental requieren una mayor validación teórica y experimental.

Metodología

Los autores desarrollan un marco teórico unificado basado en conjuntos de mediciones de Clifford, centrándose específicamente en las sombras de bloques (block shadows). En este enfoque, el sistema de $n$ cúbits se particiona en bloques de tamaño $k$, y se aplican unitarias de Clifford aleatorias independientes de $Cl(k)$ a cada bloque. Esta estructura permite:

1. Fórmulas Analíticas Explícitas: Derivación de expresiones de forma cerrada para el canal de sombra, su inversa y los momentos requeridos para el análisis de varianza, evitando las aproximaciones numéricas que suelen requerir los circuitos de brickwork.
2. Integración de Protocolos Avanzados: El marco incorpora desrandomización, protocolos de múltiples disparos (multi-shot, reutilizando bases de medición), mediciones aleatorias comunes (CRM) con estados de sesgo y estimadores mitigados de error.
3. Modelado de Ruido: Análisis teórico de modelos de ruido (por capa y post-unitaria) asumiendo que el twirling de Pauli convierte los errores en canales de Pauli, lo que permite la construcción de estimadores mitigados de error utilizando el canal de sombra ruidoso.
4. Validación Experimental: Implementación en hardware cuántico de IBM (hasta 40 cúbits, 46 capas de puertas de dos cúbits) para probar sombras de bloques desrandomizadas, mediciones aleatorias comunes con mitigación de error y aprendizaje automático mejorado por entrelazamiento.

Contribuciones Clave y Resultados

1. Marco Teórico y Desrandomización

• Los autores combinan la desrandomización con mediciones superficiales, obteniendo bases de medición deterministas cuyos límites de confianza no son mayores que el promedio aleatorio.
• Resultado: Experimentos numéricos y de hardware en el modelo de Heisenberg de clúster muestran que las sombras de bloques desrandomizadas requieren menos mediciones que la desrandomización de un solo cúbit para estimar la incertidumbre de la energía, incluso en presencia de ruido de hardware.

2. Complejidad de Muestreo y Escalamiento en el Caso Típico

• El artículo establece que para sombras de bloques con $k2^k = \Omega(n)$, la norma de sombra de los observables con norma Schatten 2 acotada es constante en casos típicos.
• Observables Dependientes del Estado: A diferencia de los análisis de observables fijos, el marco maneja configuraciones correlacionadas (por ejemplo, verificación de estado donde el observable es el propio estado). Los autores muestran que, en el régimen de caso típico, las sombras de bloques logran el mismo escalamiento que las mediciones de Clifford aleatorias globales.
• Estimación de Pureza: Se construye un estimador de pureza de múltiples disparos. Los límites teóricos indican que, para estados típicos, la complejidad de muestreo escala de manera similar a RCM, donde el término $V_2/NS$ puede suprimirse mediante la reutilización de las bases de medición.

3. Mediciones Aleatorias Comunes (CRM) y Mitigación de Errores

• El marco extiende CRM a las sombras superficiales, permitiendo el uso de un estado de sesgo $\sigma$ (que aproxima a $\rho$) para reducir la varianza.
• Mitigación de Errores: Los autores extienden las técnicas de sombras robustas a las sombras de bloques. Experimentos en 40 cúbits demuestran que la mitigación de errores mejora significamente la precisión de CRM, incluso cuando el estado de sesgo es menos preciso (menor dimensión de enlace).

4. Aprendizaje Automático Mejorado por Entrelazamiento

• El estudio investiga si los modelos de aprendizaje automático (ML) clásico entrenados con datos de mediciones superficiales entrelazadas superan a aquellos entrenados con datos de un solo cúbit.
• Resultado: Utilizando PCA de Kernel en datos del modelo Su–Schrieffer–Heeger (SSH), los autores muestran que las mediciones de bloque de dos cúbits ($k=2$) producen una firma de transición de fase más nítida cerca del punto crítico ($w=1$) en comparación con las mediciones de un solo cúbit ($k=1$). La derivada de la función de ajuste alcanza su máximo en $w \approx 1.026$, lo cual es consistente con el punto de transición teórico.

5. Eficiencia del Post-procesamiento

• Debido a la estructura de producto tensorial de las sombras de bloques, la inversa del canal de sombra es exacta y computable en forma cerrada. Esto contrasta con las sombras de brickwork, que a menudo requieren aproximaciones de redes de tensores o optimización numérica para la inversa, ofreciendo una ventaja distintiva en la eficiencia del post-procesamiento.

Significancia y Reivindicaciones

El artículo sostiene que las mediciones de profundidad superficial, específicamente mediante el marco de sombras de bloques, proporcionan beneficios prácticos en dispositivos cuánticos ruidosos.

• Robustez: Las ventajas de las mediciones superficiales persisten a pesar del ruido experimental, como lo validan los experimentos de hardware.
• Versatilidad: El marco unifica varias variantes de sombras clásicas (desrandomizadas, de múltiples disparos, CRM, mitigadas de error) bajo un único paraguas teórico basado en conjuntos de Clifford.
• Escalabilidad: Al utilizar circuitos de profundidad logarítmica ($O(\log n)$), el enfoque cierra la brecha entre las mediciones locales simples y las mediciones de Clifford globales, permitiendo el estudio de estados cuánticos complejos y cantidades físicas en el hardware NISQ actual.
• Ventaja de ML: Los resultados sugieren que las mediciones entrelazadas pueden mejorar la representación clásica de los datos experimentales cuánticos para tareas de aprendizaje automático, reduiendo potencialmente el número de experimentos necesarios para aprender propiedades del estado fundamental o detectar transiciones de fase.

Los autores mantienen una postura modesta, señalando que sus resultados de caso típico no implican garantías de peor caso (citando contraejemplos específicos de producto de bloques donde el escalamiento es desfavorable) y que el enfoque es más efectivo para sistemas donde las correlaciones locales son significativas o donde se dispone de estados de sesgo.