Characterization of Unlearnable Noise with Mid-Circuit-Measurement-Based Cycle Benchmarking

Resumen Técnico: Caracterización de Ruido Inaprensible mediante el Benchmarking de Ciclos Basado en Mediciones de Mitad de Circuito

Planteamiento del Problema
La caracterización del ruido cuántico es un cuello de botella crítico para la mitigación de errores y la validación de protocolos de corrección de errores cuánticos (QEC). El Benchmarking de Ciclos (CB) estándar aísla eficazmente los errores de Preparación y Medición de Estado (SPAM) y caracteriza canales de Pauli mediante la amplificación de errores de puerta a través de ciclos repetidos. Sin embargo, el CB enfrenta una limitación fundamental cuando se aplica a puertas de Clifford de $n$ cúbits generales: los grafos de transferencia de Pauli inducidos suelen contener parámetros de error acoplados. Las puertas de Clifford pueden inducir ciclos irreducibles de propagación de Pauli donde las fidelidades de Pauli distintas están acopladas (por ejemplo, $\lambda_{P_\alpha}\lambda_{P_\beta}$), lo que hace que las fidelidades individuales sean "inaprensibles" debido a grados de libertad de gauge. El CB estándar no puede resolver estos parámetros acoplados, y el número de grados de libertad inaprensibles crece exponencialmente con el número de cúbits. Además, el CB estándar asume una dinámica de ruido Markoviana, una condición que puede no cumplirse en hardware real, y los protocolos estándar carecen de herramientas para diagnosticar desviaciones no Markovianas.

Metodología
Los autores proponen el Benchmarking de Ciclos Generalizado (GCB), un marco que integra Mediciones de Mitad de Circuito (MCM) como primitivas tomográficas activas para resolver el ruido inaprensible. La metodología se basa en tres pilares teóricos y algorítmicos centrales:

1. Desajuste de Peso de Pauli y Feed-Forward Diferido: Los autores definen el desajuste de peso de Pauli $\delta(P_\alpha, P_\beta)$ como la diferencia bit a bit entre el soporte de los operadores de Pauli de entrada y salida bajo una puerta de Clifford $G$. En el CB estándar, si $\delta \neq 0$, la fidelidad es inaprensible. El protocolo GCB inserta MCM en las ubicaciones de los cúbits especificadas por $\delta(P_\alpha, P_\beta)$. Al utilizar el Principio de Feed-Forward Diferido, el protocolo demuestra que las operaciones de feed-forward clásicas (giros de bit condicionales basados en los resultados de la MCM) pueden implementarse enteramente en el post-procesamiento clásico. Esto permite que las MCM actúen efectivamente para "reiniciar" el operador de Pauli a su estado inicial, rompiendo el ciclo inducido por la Clifford y desacoplando los parámetros de ruido sin requerir control cuántico en tiempo real.

2. Instrumentos Estocásticos Uniformes (USI) y Condiciones de Aprendizaje: El marco modela las MCM ruidosas como Instrumentos Estocásticos Uniformes.

   • Aprendizaje Exacto (Teorema 3): Si las MCM proporcionan proyecciones de alta fidelidad sobre los estados $|0\rangle$ y $|1\rangle$ (específicamente, no ocurren errores cuánticos tras la proyección), todas las fidelidades de Pauli de la MCM y la puerta de Clifford intercalada son exactamente aprendibles. Crucialmente, los errores de asignación de lectura clásica no afectan la capacidad de aprendizaje, ya que no acoplan los parámetros de ruido cuántico.
   • Aprendizaje Aproximado (Teorema 4): En escenarios donde solo la preparación de $|0\rangle$ es fiable (común en dispositivos superconductores), los autores muestran que los pares inaprensibles aún pueden aproximarse. Mediante la post-selección del resultado $|0\rangle$ y utilizando una descomposición de media geométrica-aritmética, el protocolo puede aislar fidelidades individuales del producto acoplado, siempre que la diferencia de ruido sea suficientemente pronunciada.

3. Análisis Binomial para la No-Markovianidad: El protocolo introduce una herramienta de diagnóstico basada en la estadística de las "variables de giro" (cambios en las lecturas consecutivas de la MCM). Bajo la suposición de ruido Markoviano separable, estas estadísticas de giro siguen una distribución binomial limpia. Las desviaciones de esta distribución sirven como una firma directa y cuantitativa de la dinámica no Markoviana (por ejemplo, efectos de memoria o fuga/leakage), que son invisibles para el CB estándar que colapsa toda la información en una única medición final.

Contribuciones Clave

• Resolución del Ruido Inaprensible: El artículo proporciona un método sistemático para romper los ciclos de Pauli en puertas de Clifford de $n$ cúbits generales. El costo de romper un ciclo se cuantifica mediante el peso de Hamming del desajuste de peso de Pauli, especificando el número mínimo de MCM requeridas.
• Robustez de SPAM con MCM: El marco logra una inmunidad parcial de SPAM para los componentes de ruido inaprensibles, una capacidad que anteriormente estaba restringida a canales de Pauli simples.
• Caracterización de Ruido Unificada: Los autores demuestran que las MCM con feed-forward clásico pueden tratarse como puertas de Clifford dentro del marco de aprendizaje de ruido de Pauli consistente (Gate Set Tomography), permitiendo una caracterización autoconsistente incluso cuando la calidad de la proyección es imperfecta.
• Diagnóstico de No-Markovianidad: Este trabajo establece un método para detectar y caracterizar la dinámica no Markoviana (específicamente la memoria inducida por fuga y las asimetrías de lectura) utilizando las propiedades estadísticas de las MCM repetidas.

Resultados Experimentales y Numéricos
Los autores validan el marco mediante simulaciones numéricas y experimentos en procesadores cuánticos superconductores de IBM (ibm-aachen e ibm-pittsburgh).

• Simulaciones Numéricas: Las simulaciones en puertas CNOT y escaleras de CNOT de 3 cúbits demuestran la viabilidad de extraer pares de ruido inaprensibles (por ejemplo, $\{ \lambda_{0z}, \lambda_{zz} \}$) y muestran que el protocolo escala eficazmente, particularmente al aprovechar modelos de ruido locales para reducir la carga de MCM.
• Validación Experimental:
  • Ruido Inaprensible: En ambos dispositivos, el protocolo GCB extrajo con éxito las fidelidades de Pauli inaprensibles para puertas CNOT. Los resultados fueron comparados con los límites físicos CPTP (Completamente Positivo y Traza Preservante) y la tomografía convencional. Los resultados de GCB se encontraron dentro de los límites CPTP y, a menudo, más cerca de los límites físicos que la tomografía convencional, demostrando una precisión superior para desambiguar el ruido acoplado.
  • Firmas No-Markovianas: El análisis binomial de las lecturas de la MCM reveló dos firmas no Markovianas distintas:
    1. Un sesgo estadístico de "zig-zag" que favorece los conteos de giros pares, atribuido a errores de asignación de lectura clásica.
    2. Una cola exponencial en la distribución de giros en conteos de giros elevados, atribuida a la memoria inducida por la fuga (leakage). Los autores modelaron esta cola para extraer una tasa de decaimiento $\lambda_d$, cuantificando la duración de la memoria.

Significancia y Reivindicaciones
El artículo sostiene que las Mediciones de Mitad de Circuito no son meramente herramientas de diagnóstico pasivas, sino recursos activos para la caracterización del ruido. La significancia de este trabajo radica en:

1. Superar Límites Fundamentales: Resuelve los grados de libertad "inaprensibles" en el ruido de las puertas de Clifford que han limitado la escalabilidad de los protocolos de caracterización de ruido.
2. Agnosticismo de Hardware: Aunque se demostró en dispositivos superconductores, el marco es agnóstico al hardware y aplicable a cualquier plataforma que soporte MCM y feed-forward clásico.
3. Capacidad de Diagnóstico: Proporciona un nuevo método para detectar y caracterizar la dinámica no Markoviana, definiendo el régimen operativo donde el modelo de ruido de Pauli es válido.
4. Utilidad Práctica: Los autores demuestran que las MCM de vanguardia en sistemas superconductores poseen suficiente calidad de proyección para permitir un aprendizaje de ruido físicamente consistente con inmunidad parcial de SPAM, allanando el camino para la caracterización de puertas de Clifford más grandes y el avance de las estrategias de mitigación de errores.

El artículo concluye que este marco extiende el alcance del Benchmarking de Ciclos más allá de los conjuntos de puertas de Clifford unitarias hacia la clase más amplia de circuitos dinámicos disponibles en los procesadores cuánticos modernos.