Opportunities and challenges in scaling quantum error detection on hardware

Resumen Técnico: Oportunidades y Desafíos en la Escalabilidad de la Detección de Errores Cuánticos en Hardware

Enunciado del Problema
La detección de errores cuánticos (QED) ofrece una vía para obtener valores esperados no sesgados que convergen exponencialmente a resultados libres de ruido a medida que aumenta la distancia del código. A diferencia de muchas técnicas de mitigación de errores heurísticas que producen estimadores sesgados, QED descarta los estados finales fuera del subespacio lógico de un código elegido, generando teóricamente resultados no sesgados si todos los errores son correctables. Sin embargo, QED sigue siendo relativamente poco estudiada en hardware cuántico debido a dos desafíos principales de escalabilidad:

1. Sobrecarga de Muestreo: El número de muestras (disparos) requeridas para detectar palabras código crece exponencialmente con la profundidad del circuito y los niveles de ruido bajo la mayoría de los modelos de ruido.
2. Sobrecarga de Procesamiento Clásico: El pre y post-procesamiento clásico necesario para identificar palabras código o evaluar los proyectores necesarios generalmente escala exponencialmente con el tamaño del código (específicamente $2^r$, donde $r$ es el número de generadores de estabilizadores).
   Adicionalmente, la sobrecarga constante de incrustar operaciones lógicas en hardware físico puede degradar el rendimiento si el ruido introducido por la codificación y el enrutamiento supera los beneficios de la detección de errores.

Metodología
Los autores realizaron un estudio exhaustivo de evaluación comparativa en computadoras cuánticas reales de IBM y entornos ruidosos simulados para evaluar la escalabilidad de QED. El estudio utilizó dos códigos específicos:

• Código de Repetición: Un código $[[n, 1, n]]$ utilizado para experimentos de memoria y preparación de estados de Bell lógicos. Este código es clásico (corrige únicamente errores de inversión de bit) y permite una codificación trivial en la base $Z$.
• Código de Color Triangular: Un código cuántico $[[n, 1, d]]$ (específicamente el código de Steane para $d=3$ y generalizaciones para $d=5, 7$) capaz de corregir tanto errores de inversión de bit como de inversión de fase. Este código requiere circuitos de codificación unitaria no triviales.

Los experimentos se realizaron en dispositivos de IBM (Kyiv, Fez, Boston, Aachen) utilizando hasta 74 qubits físicos y 3.146 puertas de dos qubits físicas. Los autores prepararon estados de Bell lógicos y midieron valores esperados ($\langle \bar{Z}\bar{Z} \rangle$, $\langle \bar{X}\bar{X} \rangle$, $\langle \bar{Z} \rangle$) mientras variaban la distancia del código ($n$) y la profundidad del circuito ($D$). También aplicaron desacoplamiento dinámico (DD) para mitigar errores en tiempos de inactividad. Para analizar los límites de la técnica, los autores estimaron el umbral pseudo—el nivel de ruido por debajo del cual QED supera a los experimentos físicos—para el código de color triangular utilizando simulaciones ruidosas con ruido de despolarización de un solo qubit.

Resultados Clave

• Convergencia Exponencial: En el hardware, la precisión de los valores esperados obtenidos mediante QED converge exponencialmente al valor ideal libre de ruido a medida que aumenta el número de qubits físicos (distancia del código). Esto se observó tanto en experimentos de memoria con código de repetición como en preparaciones de estados de Bell lógicos.
• Rendimiento vs. Qubits Físicos: En los experimentos con código de repetición, los resultados codificados superaron consistentemente a los resultados físicos en promedio. Para el código de color triangular, los resultados codificados superaron a los resultados físicos en la distancia $d=3$ ($n=14$) a través de todas las profundidades probadas. Sin embargo, en $d=5$ ($n=38$), se produjo un cruce donde los resultados codificados se volvieron peores que los resultados físicos más allá de cierta profundidad del circuito ($D=30$), ilustrando la existencia de un umbral pseudo.
• Límites de Muestreo y Clásicos: El estudio confirmó que muestrear palabras código se vuelve exponencialmente difícil. Para el código de color triangular de distancia $d=7$ ($n=74$), no se muestrearon palabras código en el hardware después de $10^6$ disparos. Las simulaciones indicaron que para $n \ge 25$, calcular palabras código a partir de generadores de estabilizadores requiere horas de computación o excede las capacidades de memoria, destacando el severo cuello de botella clásico.
• Comportamiento del Umbral Pseudo: El umbral pseudo estimado $p^*$ para el código de color triangular disminuye exponencialmente con la profundidad del circuito. Esto define una región sub-umbral donde la detección de errores proporciona un rendimiento superior, análogo a los umbrales en la corrección completa de errores cuánticos pero dependiente de parámetros específicos del circuito y del ruido.
• Sobrecarga de Codificación: El estudio destacó que los circuitos de codificación no triviales (requeridos para el código de color triangular) introducen una sobrecarga significativa en profundidad y puertas de dos qubits, lo que puede empujar las tasas de error efectivas por encima del umbral pseudo si no se optimizan.

Significado y Afirmaciones
El artículo afirma proporcionar una imagen clara de las oportunidades y desafíos para escalar QED en el hardware actual y de futuro cercano. El significado principal radica en demostrar que QED puede producir resultados no sesgados y de convergencia exponencial en hardware real, validando su potencial como una técnica poderosa de mitigación de errores. Los autores afirman que, aunque el muestreo y el procesamiento clásico siguen siendo obstáculos significativos, los resultados experimentales muestran "gran promesa" para escalar QED a la escala "Megaquop" y más allá, siempre que las tasas de ruido permanezcan por debajo del umbral pseudo.

Los autores se mantienen modestos respecto a la practicidad inmediata del método, reconociendo que no normalizaron las mejoras por el masivo aumento en los recursos de muestreo requeridos. Plantean que el trabajo futuro debe centrarse en aliviar las sobrecargas exponenciales de muestreo y procesamiento clásico (citando técnicas como la expansión de subespacio generalizada y la tomografía de sombras lógicas) para permitir experimentos de mayor escala orientados a aplicaciones. El trabajo sirve como un punto de referencia para la frontera actual de QED, mapeando dónde tiene éxito y dónde las sobrecargas actualmente le impiden superar a los experimentos físicos brutos.