Benchmarking Error Mitigation: Artefactual Improvements in Zero-Noise Extrapolation

Resumen Técnico: Evaluación de Referencia de la Mitigación de Errores: Mejoras Artefactuales en la Extrapolación de Ruido Cero

Planteamiento del Problema
La evaluación de referencia (benchmarking) fiable de la Mitigación de Errores Cuánticos (QEM) requiere distinguir las mejoras físicas genuinas de los artefactos matemáticos introducidos durante el post-procesamiento. El artículo se centra en la Extrapolación de Ruido Cero (ZNE) de Richardson, una técnica ampliamente utilizada donde los valores de esperanza en diferentes niveles de amplificación de ruido ($\lambda_k$) se ajustan a un polinomio para estimar el límite de ruido cero ($\hat{E}(0)$).

El problema central identificado es un modo de fallo específico: cuando la amplificación del ruido lleva la señal medida por debajo del régimen utilizable (acercándose al "suelo" del observable, por ejemplo, $f=0$ para la paridad o $f=1/2^N$ para probabilidades), la extrapolación ya no refleja la física subyacente. En su lugar, colapsa en un reescalado determinista de una única medición ruidosa ($E(\lambda_1)$). Esto crea un "efecto horóscopo": una mejora aparente que es independiente del mecanismo real de amplificación de ruido y que puede resultar en sobrealcances (overshoots) no físicos (valores que exceden el ideal) o mejoras ficticias que son indistinguibles de la mitigación genuina sin diagnósticos adicionales.

Metodología
Los autores emplean una combinación de derivación teórica, simulación y experimentos empíricos en hardware para caracterizar y validar este modo de fallo.

1. Derivación Teórica: El artículo deriva una caracterización de forma cerrada (Ecuación 2) que muestra que, si los valores de esperanza para los niveles de ruido amplificados ($k > 1$) colapsan hacia el suelo ($f$), la estimación de Richardson $\hat{E}(0)$ se convierte en una función lineal de solo la primera medición $E(\lambda_1)$ y el suelo $f$. Específicamente, $\hat{E}(0) = c_1 E(\lambda_1) + (1-c_1)f$. Dado que $c_1 > 1$ para factores de escala estándar (por ejemplo, $\{1, 3, 5\}$), cualquier señal cercana al suelo es reescalada hacia arriba, creando una mejora artificial.
2. Taxonomía de Retención de Señal: Los autores definen tres regímenes basados en la relación entre la señal y el suelo del observable:
   • Señal Retenida: La señal permanece muy por encima del suelo; la extrapolación es válida.
   • Señal Decaída: La señal se acerca al suelo; la recuperación se degrada.
   • Señal Destruida: La señal colapsa hacia o por debajo del suelo; la extrapolación degenera en el artefacto descrito anteriormente.
3. Control Negativo de "Garbage-Folding" (Plegado de Basura): Para aislar el efecto de la destrucción de la señal del mecanismo de amplificación, los autores introducen una técnica de "garbage-folding". Esto implica insertar secuencias de puertas que no reducen a la identidad (a diferencia del plegado estándar) pero que coinciden con el recuento de puertas y la tasa de error residual del plegado genuino. Esto maximiza la destrucción de la señal en $\lambda > 1$ manteniendo costos computacionales idénticos.
4. Validación en Hardware: Se realizaron experimentos en la máquina de 54 cúbits IQM Euro-Q-Exa utilizando un Circuito Trotter Cuántico (QTC) de 4 cúbits y un circuito de Grover de 6 cúbits. El estudio utilizó factores de escala $\{1, 3, 5\}$ y comparó el plegado genuino frente al plegado de basura e identidad.
5. Diagnóstico de Costo Cero: Los autores proponen un chequeo diagnóstico basado en la distribución de probabilidad por estado base. Dado que la extrapolación de Richardson es una combinación lineal de probabilidades, una distribución válida debe tener probabilidades no negativas para todos los estados. Los autores definen un "peso de probabilidad negativa" ($W_{neg}$) para cuantificar las violaciones de esta restricción física.

Resultados Clave

• Colapso Empírico: En el hardware IQM Euro-Q-Exa, a medida que la profundidad del circuito aumentaba, los valores de paridad amplificados colapsaron hacia el suelo ($f=0$). En este punto, la estimación de Richardson $\hat{E}(0)$ se desacopló del valor ideal real y rastreó la predicción de reescalado teórico ($\frac{15}{8}E(\lambda_1)$).
• Sobrealcance Artefactual: En el régimen de señal destruida, el método produjo un sobrealcance del 21% del valor ideal ($\hat{E}=1.16$ frente a $E_{ideal}=0.96$) a pesar de que la señal era efectivamente cero.
• Superioridad del Garbage-Folding: En simulaciones y ejecuciones de hardware, el "garbage-folding" (que no porta ninguna señal utilizable) produjo mejoras aparentes mayores que el plegado genuino. Por ejemplo, en el circuito de Grover, el garbage-folding produjo una razón de recuperación $\rho \approx 0.56$ comparado con $0.44$ para el plegado genuino. En el régimen de señal retenida, el garbage-folding produjo valores no físicos extremos ($\rho = 16$ y $125$).
• Eficacia del Diagnóstico: El peso de probabilidad negativa ($W_{neg}$) distinguió con éxito entre los regímenes válidos y los artefactuales. El plegado válido resultó en $W_{neg} \approx 0.02\text{--}0.04$, mientras que el garbage-folding en el régimen destruido resultó en $W_{neg} \approx 0.74$. Las dos distribuciones no se solapaban (AUC = 1.0), lo que hace que $W_{neg}$ sea un indicador robusto y de costo cero del artefacto.

Contribuciones Clave

1. Caracterización de Forma Cerrada: Una prueba matemática que demuestra que la ZNE de Richardson degenera en un reescalado determinista cuando $E(\lambda_{>1})$ alcanza el suelo del observable, invalidando la mejora reportada.
2. Taxonomía de Retención de Señal: Un marco que permite a las evaluaciones de referencia determinar su régimen operativo (retenido, decaído o destruido) utilizando sus propios datos por $\lambda$.
3. Control Negativo de Costo Igualado: La introducción del "garbage-folding" para demostrar que se pueden manufacturar mejoras reportadas más grandes únicamente mediante la destrucción de la señal, probando que la magnitud de la mejora no es evidencia de corrección.
4. Diagnóstico de Costo Cero y Lista de Verificación: Un método práctico para señalar artefactos utilizando los datos existentes (conteos por estado) mediante la métrica $W_{neg}$, junto con una lista de verificación para reportar en benchmarks de ZNE.

Significancia y Reclamaciones
El artículo argumenta que la validez de muchas evaluaciones empíricas en computación cuántica está amenazada por este modo de fallo raramente considerado. Los autores afirman que:

• El "efecto horóscopo" (mejora artefactual) es distinto del mal condicionamiento bien conocido causado por factores de escala cercanos; afecta incluso a conjuntos de factores de escala óptimos en varianza como $\{1, 3, 5\}$ una vez que la señal es destruida.
• Las mejoras reportadas en el régimen de señal destruida no son evidencia de una mitigación exitosa, sino artefactos matemáticos del post-procesamiento aritmético.
• Una evaluación de referencia creíble debe asegurar que las mejoras sean atribuibles al mecanismo de amplificación de ruido y no a la aritmética de la extrapolación.
• La lista de verificación propuesta (reportar el estado de retención de la señal, $W_{neg}$ y los límites físicos) permite a la comunidad distinguir entre lo que un pipeline de ZNE afirma medir y lo que realmente mide, sin requerir recursos computacionales adicionales.

Los autores mantienen un alcance modesto, señalando que, aunque la evidencia de hardware actualmente se limita a un dispositivo y familias de circuitos específicos, la derivación teórica depende solo de las propiedades generales de los extrapoladores lineales y los suelos de los observables, lo que sugiere que el modo de fallo es generalizable a través de diversos dispositivos y profundidades de circuito.