Decision Kernels for Quantum Error Mitigation: Why Accuracy Gains Need Not Improve Downstream Decisions

Resumen Técnico: Kernels de Decisión para la Mitigación de Errores Cuánticos

Planteamiento del Problema
Los benchmarks actuales para la Mitigación de Errores Cuánticos (QEM) se basan predominantemente en la precisión del valor de la esperanza, medida típicamente mediante el Error Cuadrático Medio (MSE) o la Raíz del Error Cuadrático Medio (RMSE) en el espacio de la configuración ambiente $\mathbb{R}^n$. Sin embargo, muchos flujos de trabajo cuánticos de corto plazo (por ejemplo, VQE, QAOA, clasificación de fase) no utilizan los valores de esperanza brutos como salidas finales. En su lugar, utilizan estos valores para tomar decisiones descendentes (downstream decisions): seleccionar un paso del optimizador, clasificar circuitos candidatos, identificar un conjunto de top-$k$ o determinar un argmin.

El artículo identifica un desajuste estructural: las métricas de precisión miden el error en el espacio ambiente, mientras que las decisiones invariantes al desplazamiento dependen únicamente de los gaps (brechas o diferencias) entre los valores del paisaje. Un método puede mejorar el MSE puntual y, aun así, empeorar la probabilidad de tomar la decisión correcta. Esto ocurre porque el ruido de modo común o las estructuras de correlación específicas pueden cancelarse en los cálculos de brechas (preservando las decisiones) mientras inflan el MSE ambiente, o inversamente, las estrategias de mitigación pueden reducir el sesgo pero amplificar la varianza de la brecha, degradando la fiabilidad de la decisión.

Metodología y Marco Teórico
El artículo desarrolla una teoría de espacio cociente para QEM de disparos finitos (finite-shot) adaptada a decisiones descendentes.

1. Factorización por Cociente: Los autores establecen que las decisiones invariantes al desplazamiento factorizan a través del espacio cociente $Q = \mathbb{R}^n / \text{span}\{1\}$. Las decisiones son invariantes ante desplazos globales de energía; por lo tanto, el objeto relevante no es el campo residual $E_m$ en $\mathbb{R}^n$, sino su imagen bajo un mapa de contraste $L$ (el vector de brecha).
2. El Objeto de Decisión: El objeto mínimo completo para la decisión es la ley de brecha residual $L(E_m)$. En regímenes gaussianos de disparos finitos, esto se resume en el margen efectivo $\mu_m = \Delta + L a_m$ y el kernel de decisión $\Sigma_m = L K_m L^\top$, donde $K_m$ es la covarianza ambiente.
3. Teorema de No-Go Marginal: El artículo demuestra que los benchmarks marginales puntuales (MSE, varianza puntual, intervalos de confianza) son insuficientes para determinar la fiabilidad de la decisión. Dos métodos pueden tener los mismos marginales puntuales y MSE, pero diferentes correlaciones de brecha, lo que conduce a riesgos de decisión muy distintos.
4. Restricción de Pullback de QEM: A diferencia de los problemas genéricos de clasificación y selección donde las covarianzas son parámetros libres, los kernels de decisión de QEM están restringidos. Son pullbacks de un ruido físico compartido de un dispositivo a través de la aplicación de mitigación específica (ZNE, CDR, PEC). Esta geometría restringida significa que $\Sigma_m$ no es una matriz semidefinida positiva arbitraria, sino que pertenece a una familia específica determinada por el modelo de ruido del dispositivo y el protocolo de mitigación.
5. Riesgo Gaussiano y Exponentes: Los autores derivan fórmulas exactas para el riesgo de decisión bajo supuestos gaussianos y establecen exponentes de disparos grandes. Muestran que el exponente de decisión depende de la relación entre los márgenes al cuadrado y las varianzas de la brecha, y que las correlaciones fuera de la diagonal en el kernel de la brecha pueden impactar significativamente los prefactores de disparos finitos y las decisiones de múltiples restricciones.

Contribuciones Clave

• Separación Estructural: Demuestra que la precisión del valor de la esperanza y la fiabilidad de la decisión están controladas por objetos matemáticos diferentes. La precisión es una propiedad del espacio ambiente; la fiabilidad de la decisión es una propiedad del espacio cociente.
• Definición del Kernel de Decisión: Introduce el kernel de decisión $\Sigma_m = L K_m L^\top$ como la métrica correcta para comparar métodos de QEM en flujos de trabajo centrados en la decisión.
• Teorema de Pullback Físico: Demuestra que los kernels de decisión están físicamente restringidos por el modelo de ruido del dispositivo y el mapa de mitigación, evitando la selección de covarianzas "óptimas" que son físicamente irrealizables.

4. Teoremas de No-Go: Establece que ningún selector determinista basado únicamente en benchmarks marginales puntuales (como el MSE) puede identificar uniformemente el método de QEM óptimo para la decisión.
5. Scores Operacionales: Propone scores operacionales conscientes de la decisión, incluyendo el Índice de Fiabilidad de Decisión (DRI) y el Índice de Riesgo Gaussiano (GRI), que utilizan la ley de brecha estimada en lugar del MSE ambiente.

Resultados y Experimentos Numéricos
El artículo valida su teoría utilizando simulaciones de Qiskit Aer en instancias de QAOA-MaxCut y una prueba de estrés de microcelda de hardware prerregistrada.

• CDR (Regresión de Datos de Clifford): Se demostró que las correcciones afines positivas de CDR pueden mejorar el MSE en factores de 43x–180x mientras dejan el riesgo de decisión (GRI) idéntico al método Raw (sin mitigar). Esto confirma que las ganancias de precisión no necesariamente se traducen en ganancias de decisión.
• PEC (Cancelación de Errores Probabilística): Mostró regímenes donde PEC reduce el MSE pero aumenta el riesgo de decisión debido a la sobrecarga de muestreo (inflación de la varianza), lo que lleva a una coexistencia de "mejor precisión" y "peores decisiones".
• Selección de Métodos: Un selector consciente de la decisión (Algoritmo 1) que elige métodos basados en el kernel de brecha estimado a menudo prefirió el método Raw sobre ZNE o CDR en regímenes de ruido que preservan el ranking.
• Rendimiento Estático vs. Dinámico:
  • En pruebas estáticas de held-out, el selector consciente de la decisión redujo las tasas de fallo en comparación con la selección basada en MSE, pero la reducción (aprox. 11%) no alcanzó un umbral práctico preespecificado (15%).
  • En pruebas dinámicas de "disparos-para-el-éxito" (shots-to-success), ninguno de los selectores logró el objetivo de probabilidad de éxito agregado de 0.80, lo que indica que no hay una ventaja de costo agregada en los regímenes evaluados.
• Prueba de Estrés de Hardware: Una prueba de microcelda en un modelo de ruido de dispositivo calibrado mostró un beneficio estadísticamente significativo pero modesto al adoptar la mitigación de error de lectura cuando se seleccionó mediante el kernel de la brecha, aunque el resultado se mantuvo por debajo del umbral práctico.

Significancia y Reivindicaciones
El artículo sostiene que el paradigma actual de evaluar QEM únicamente mediante la precisión del valor de la esperanza es estructuralmente incompleto para flujos de trabajo impulsados por decisiones.

• Implicación Operacional: Los métodos de QEM deben seleccionarse basándose en la geometría de la brecha residual (márgenes efectivos y kernels de decisión), no solo en la precisión puntual.
• Conclusión Modesta: El artículo no afirma que la QEM sea universalmente perjudicial o que la mitigación deba descartarse siempre. Más bien, argumenta que en regímenes específicos (particularmente con ruido que preserva el ranking), la mitigación puede ser neutral para la decisión o incluso perjudicial para la decisión. La recomendación operacional es estimar la ley de la brecha y declinar la mitigación si la reducción del sesgo inducido no compensa la varianza de la brecha inducida.
• Alcance: Los resultados son específicos para regímenes de disparos finitos con asignación fija y aproximaciones gaussianas. El artículo evita explícitamente hacer afirmaciones universales sobre teorías adaptativas o límites de Fisher de medición independiente, posicionando sus hallazgos como una corrección necesaria al panorama actual de benchmarking en lugar de un reemplazo completo para toda la teoría de QEM.

El artículo concluye que "la QEM debe ser evaluada no solo por qué tan precisamente estima valores, sino por si mejora las decisiones que esos valores se utilizan para tomar".