⚛️ quantum physics

Enhanced measurements on quantum computers via the simultaneous probing of non-commuting Pauli operators

Este artículo presenta una primera implementación experimental de un esquema de medición de dos copias utilizando estadística bayesiana y asignación adaptativa de disparos para sondear simultáneamente operadores de Pauli no conmutantes, demostrando su capacidad para superar a los protocolos de vanguardia en la minimización de disparos de medición totales para la estimación de alta precisión a pesar de las sobrecargas de varianza inherentes.

Autores originales: Rick P. A. Simon, Zheng Shi, Charlie Nation, Andrew Jena, Luca Dellantonio

Publicado 2026-09-23

📖 4 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Rick P. A. Simon, Zheng Shi, Charlie Nation, Andrew Jena, Luca Dellantonio

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Las computadoras cuánticas prometen resolver problemas que son imposibles para las máquinas actuales, desde el diseño de nuevos medicamentos hasta el modelado de materiales complejos. Sin embargo, estas máquinas son notoriamente frágiles y difíciles de leer. Para entender qué está haciendo una computadora cuántica, los científicos deben medir su estado, pero este proceso está plagado de dificultades. La información que buscan suele estar codificada en una colección de partes diminutas e interactivas que no se llevan bien entre sí; medir una parte puede perturbar las otras, y muchas de las propiedades que necesitan verificar no pueden observarse al mismo tiempo. Esto crea un cuello de botella: para obtener una imagen clara del sistema, los investigadores deben repetir sus mediciones miles o millones de veces, un proceso que consume tiempo y recursos preciosos. El desafío central es cómo reunir la información más precisa posible utilizando el menor número de estas costosas mediciones.

Un equipo de investigadores ha desarrollado una nueva estrategia para abordar este problema, una que cambia la forma en que observan los datos que recolectan. En lugar de intentar medir el estado cuántico una sola vez y esperar lo mejor, su método consiste en preparar dos copias idénticas del estado al mismo tiempo. Al sondear estas copias gemelas simultáneamente, los investigadores pueden extraer información sobre las propiedades del sistema de una manera que antes era imposible. Descubrieron que este enfoque "doble" les permite determinar el valor promedio de una propiedad y, crucialmente, calcular la incertidumbre de esa medición mientras ocurre. Este conocimiento en tiempo real del error permite que su sistema sea inteligente sobre dónde emplea su esfuerzo. Puede reconocer instantáneamente qué partes del sistema siguen siendo inciertas y concentrar la siguiente medición allí, en lugar de desperdiciar recursos en partes que ya están bien comprendidas.

Los investigadores probaron esta idea utilizando una simulación por computadora de un algoritmo cuántico, enfrentando su nuevo método contra las mejores técnicas existentes. Se centraron en dos tipos de sistemas: un modelo de espines nucleares dispuestos en una cuadrícula y una simulación de una molécula de hidrógeno. En estas simulaciones, las propiedades cuánticas que necesitaban medir estaban a menudo en conflicto entre sí, lo que significa que no podían medirse juntas de la manera tradicional. El nuevo protocolo del equipo, al que llaman el esquema doble, demostró ser significativamente más eficiente en estos escenarios difíciles. Cuando las propiedades eran altamente no conmutativas —es decir, cuando se resistían a ser medidas juntas— el nuevo método requirió muchas menos mediciones totales para alcanzar el mismo nivel de precisión que los métodos anteriores. En algunos casos, redujo el número de mediciones necesarias por un factor de dos o más, un ahorro sustancial en el mundo de la computación cuántica donde cada medición cuenta.

El éxito de este enfoque se basa en un ingenioso bucle de retroalimentación. El algoritmo actualiza constantemente su comprensión del sistema basándose en los resultados de cada medición. Utiliza un método estadístico para predecir qué medición reducirá más la incertidumbre general. Si el sistema no está seguro del "signo" de una propiedad (si es positiva o negativa), el algoritmo sabe que debe medir esa propiedad sola. Si no está seguro de la magnitud (qué tan fuerte es la propiedad), puede usar el esquema doble para obtener una imagen más clara del tamaño sin necesidad de conocer aún el signo. Esta estrategia adaptativa significa que la computadora no solo repite mediciones ciegamente; aprende sobre la marcha, priorizando las partes más inciertas del rompecabezas. Los investigadores confirmaron que sus estimaciones del error eran estadísticamente sólidas, lo que significa que la incertidumbre que calcularon coincidía con la variación real en los resultados, dándoles un indicador fiable de su progreso.

Si bien el esquema doble es una herramienta poderosa, los investigadores señalaron que no es una solución mágica para todas las situaciones. El método requiere más recursos físicos, específicamente el doble de qubits para contener las dos copias del estado, y es más efectivo cuando las propiedades que se miden son difíciles de agrupar. En casos donde las propiedades ya son fáciles de medir simultáneamente, el costo adicional del esquema doble podría no valer la pena. Sin embargo, para los problemas complejos que las computadoras cuánticas están diseñadas para resolver, donde muchas propiedades están entrelazadas y no conmutan, este nuevo método ofrece un camino claro hacia adelante. Sugiere que, al utilizar múltiples copias de un estado y adaptar la estrategia de medición sobre la marcha, los científicos pueden extraer más información con menos esfuerzo, acercando la utilidad práctica de las computadoras cuánticas a la realidad.

Resumen Técnico: Mediciones Mejoradas en Computadores Cuánticos mediante el Sondeo Simultáneo de Operadores de Pauli No Conmutantes

Planteamiento del Problema
Estimar con precisión el valor de la esperanza de un observable $\hat{O}$ en computadores cuánticos es un cuello de botella fundamental para los algoritmos, particularmente para los algoritmos cuánticos variacionales (VQA). Los observables se expresan típicamente como sumas ponderadas de cadenas de Pauli (PS), $\hat{O} = \sum c_i \hat{P}_i$ . Los protocolos de medición estándar requieren agrupar las PS que conmutan para medirlas simultáneamente. Sin embargo, cuando un observable contiene muchas PS no conmutantes, el número de grupos de medición requeridos aumenta, lo que hace necesario una estrategia eficiente para asignar un presupuesto finito de disparos o shots ( $M$ ) para minimizar el error de estimación. Los métodos existentes, como las sombras clásicas (classical shadows) o las estrategias de agrupación, a menudo tienen dificultades para proporcionar estimaciones de ejecución única tanto de la media como del error estadístico, o fallan al asignar de manera óptima los disparos cuando los términos no conmutantes predominan.

Metodología
Los autores proponen un esquema de medición "doble" que combina la preparación de estados multi-copia con un marco estadístico bayesiano.

Principio de Multi-Copia: En lugar de medir una sola copia del estado $|\phi\rangle$ , el protocolo prepara dos copias idénticas, $|\psi\rangle = |\phi\rangle \otimes |\phi\rangle$ . Esto permite la medición simultánea de cadenas de Pauli "dobles" $\hat{P}_i \otimes \hat{P}_i$ . Crucialmente, aunque $\hat{P}_i$ y $\hat{P}_j$ pueden no conmutar, sus versiones dobles $\hat{P}_i \otimes \hat{P}_i$ y $\hat{P}_j \otimes \hat{P}_j$ siempre conmutan, permitiendo la evaluación simultánea de las magnitudes para todos los términos de Pauli independientemente de sus relaciones de conmutación.
Estimación Bayesiana: El esquema emplea inferencia bayesiana para estimar la probabilidad $\theta_i$ $θ_{i}$ de obtener un $+1$ $+ 1$ para una medición de Pauli simple y $\phi_i$ $ϕ_{i}$ para una medición doble.
- La relación entre los resultados simples y dobles se deriva como $\phi_i = \theta_i^2 + (1-\theta_i)^2$ .
- El protocolo construye distribuciones posteriores $P_1$ (para resultados simples/dobles de una PS) y $P_2$ (para resultados correlacionados de pares de PS que conmutan) para estimar la media $\hat{O}$ y, críticamente, la varianza del estimador $(\Delta \hat{O})^2$ .
- A diferencia de trabajos previos que calculan la varianza a partir de las covarianzas de las PS, este método calcula la varianza del estimador mismo, lo que permite el monitoreo del error en tiempo real.
Asignación Adaptativa de Disparos (Shots): Un algoritmo asigna dinámicamente los disparos de medición entre el esquema "doble" (midiendo todos los $\hat{P}_i \otimes \hat{P}_i$ $\hat{P}_{i} \otimes \hat{P}_{i}$ ) y el esquema "simple" (midiendo grupos de PS que conmutan).
- El algoritmo utiliza "mediciones virtuales" para predecir la reducción de $(\Delta \hat{O})^2$ para cada opción posible.
- Tiene en cuenta la sobrecarga de recursos del esquema doble (que requiere el doble de qubits y potencialmente mayor profundidad de circuito) definiendo un número de disparos efectivo $M_{eff} = M_{single} + 2\alpha M_{double}$ .
- El algoritmo prioriza el muestreo de los términos de Pauli más inciertos, apuntando específicamente a la resolución de ambigüedades de signo que surgen de la naturaleza simétrica de las mediciones dobles cuando $\langle \hat{P}_i \rangle \approx 0$ .

Contribuciones Clave

Primera Implementación: Este trabajo presenta la primera implementación de un esquema de dos copias dentro de un protocolo de medición que integra la estadística bayesiana.
Monitoreo de Error Mejorado: El método proporciona una estimación de ejecución única precisa del error estadístico $(\Delta \hat{O})^2$ junto con la media. Aunque AEQuO es señalado como un enfoque de vanguardia capaz de la estimación de error de ejecución única, este trabajo extiende dicha capacidad integrándola con un marco multi-copia que ofrece una reducción de error superior en regímenes específicos.
Algoritmo Adaptativo: Los autores desarrollan un algoritmo que cambia inteligentemente entre mediciones simples y dobles basándose en el conocimiento actual, optimizando el compromiso entre el costo de recursos y la reducción del error.
Confirmación Teórica: El trabajo confirma numéricamente las predicciones teóricas respecto a la sobrecarga de los esquemas multi-copia, específicamente la relación de raíz cuadrada entre la varianza y el número de disparos para términos con valor de esperanza cero.

Resultados
Se realizaron pruebas comparativas numéricas en Hamiltonianos de la molécula de Hidrógeno ( $H_2$ ) y modelos de Ising cuánticos con diversos tamaños de red.

Rendimiento frente al Estado del Arte: El esquema doble supera significativamente al protocolo AEQuO (estado del arte) y a las estrategias de asignación fija en regímenes donde el observable contiene muchas términos no conmutantes (por ejemplo, Hamiltonianos moleculares). En estos casos, el esquema doble logra errores de estimación más bajos para un presupuesto de medición efectivo dado. Sin embargo, los autores señalan que en escenarios específicos (como ciertas instancias del modelo de Ising), AEQuO puede producir a veces mejores errores, probablemente debido a diferencias en las estrategias de asignación de disparos basadas en el conocimiento instantáneo.
Dependencia del Régimen: La ventaja depende altamente de las propiedades del observable. Para sistemas con muchos términos no conmutantes (donde la agrupación es difícil), el esquema doble es superior. No obstante, para términos con valores de esperanza cercanos a cero, la eficiencia del esquema doble se degrada (la varianza escala como $1/\sqrt{M}$ en lugar de $1/M$ ), y el algoritmo reduce adaptativamente la asignación a las mediciones dobles en estos regímenes específicos.
Validez Estadística: Se demostró que las barras de error estimadas $(\Delta \hat{O})^2$ son estadísticamente significativas, capturando correctamente la incertidumbre del estimador sin requerir ejecuciones experimentales repetidas.
Escalabilidad de Recursos: La complejidad temporal del algoritmo está acotada por $O(p^2 M^3)$ , pero puede optimizarse a $O(M)$ mediante estrategias de paralelización y asignación por lotes (batch allocation).

Significancia y Reivindicaciones
El artículo sostiene que el esquema "doble" propuesto es un avance práctico y listo para la implementación en la medición cuántica. Su principal significancia radica en su capacidad para minimizar el número total de disparos necesarios para alcanzar una precisión objetivo, particularmente para observables complejos dominados por términos no conmutantes, como los que se encuentran en simulaciones de química cuántica. Al proporcionar una estimación de error de ejecución única robusta, el método permite estrategias de medición adaptativas que suelen ser más eficientes que las mejores prácticas actuales, aunque el rendimiento relativo depende de la estructura de conmutación específica del observable. Los autores señalan que, si bien el esquema incurre en una sobrecarga de recursos (factor de 2 en disparos/qubits), este costo suele verse compensado por la reducción de los disparos totales necesarios para la convergencia en sistemas no triviales. El trabajo concluye que este enfoque es particularmente adecuado para las simulaciones cuánticas de la era de la NISQ (computación cuántica de escala intermedia con ruido), donde los presupuestos de medición están estrictamente limitados.

Más como este