⚛️ quantum physics

Analysis of asymmetric errors in NISQ experiments

Este artículo amplía los análisis estadísticos previos de experimentos NISQ al demostrar que, contrariamente a las predicciones teóricas sobre la amortiguación de amplitud, los datos de la "supremacía cuántica" de Google de 2019 exhiben fracciones cero-uno determinadas únicamente por la asimetría del error de lectura en lugar de por errores de puerta, un hallazgo respaldado por simulaciones en las plataformas de IBM y Google.

Autores originales: Gil Kalai, Tomer Shoham, Carsten Voelkmann

Publicado 2026-09-29

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Gil Kalai, Tomer Shoham, Carsten Voelkmann

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

En la carrera por construir máquinas que puedan resolver problemas fuera del alcance de las computadoras actuales, los científicos están trabajando con una nueva y frágil tecnología llamada computación cuántica. Estas máquinas utilizan diminutas partículas de materia, conocidas como qubits, que pueden existir en un estado de ser cero y uno al mismo tiempo, lo que les permite procesar información de formas que las computadoras clásicas no pueden. Sin embargo, estos qubits son increíblemente sensibles a su entorno. Incluso la más mínima perturbación puede causar que cometan errores, un fenómeno conocido como ruido. Para entender si una computadora cuántica está funcionando realmente como se pretende, los investigadores deben separar cuidadosamente la señal del cálculo del estático de estos errores. Un enfoque principal de estudios recientes ha sido en los "errores de lectura", que ocurren cuando la máquina lee erróneamente el estado final de un qubit, confundiendo un cero con un uno o viceversa. Comprender la naturaleza precisa de estos errores es crucial porque le dice a los científicos si la máquina está realizando un cálculo cuántico genuino o simplemente produciendo ruido aleatorio.

Un equipo de investigadores dirigió recientemente su atención a una pregunta específica sobre cómo se comportan estos errores. Querían saber si los errores eran puramente aleatorios o si tenían un sesgo oculto. En una máquina perfectamente equilibrada, un qubit que debería ser cero podría ser leído como uno con la misma frecuencia con la que un qubit que debería ser uno es leído como cero. Sin embargo, algunos trabajos teóricos sugirieron que las operaciones internas de la computadora, específicamente las puertas que manipulan los qubits, podrían introducir un sesgo unidireccional. Esta teoría proponía que, a medida que la máquina funciona, naturalmente empujaría los resultados hacia un mayor número de ceros, creando un desequilibrio que no era solo un simple error de medición, sino una deriva fundamental en los datos.

Para probar esta idea, los investigadores examinaron datos del famoso experimento de supremacía cuántica de 2019 realizado por Google, que utilizó un procesador con 53 qubits. También analizaron datos de otras computadoras cuánticas y de simulaciones por computadora diseñadas para imitar a estas máquinas. Su objetivo era ver si la fracción de ceros en los resultados finales era mayor de lo que podría explicarse únicamente por los errores de medición conocidos. Si la teoría fuera correcta, esperaban encontrar un excedente significativo de ceros en los datos experimentales que creciera a medida que aumentaba el número de qubits.

El análisis reveló un panorama claro que contradecía la predicción teórica. Cuando los investigadores observaron los datos reales del experimento de 2019 de Google, que cubría un rango de circuitos con entre 12 y 53 qubits, no encontraron evidencia de este sesgo adicional hacia los ceros causado por las operaciones de las puertas internas. El ligero desequilibrio que observaron entre ceros y unos reflejaba la asimetría de los errores de lectura reportados, aunque la diferencia empírica entre ceros y unos fue aproximadamente un 10%-20% menor que la diferencia esperada de las tasas de error reportadas por sí solas. En otras palabras, la máquina no estaba empujando secretamente los resultados hacia el cero debido a sus operaciones internas; el ruido observado era consistente con los errores de medición físicos conocidos, sin el sesgo adicional predicho por la teoría. Este hallazgo se mantuvo constante en todo el rango de conteos de qubits probados en el experimento del mundo real.

La historia fue diferente cuando el equipo analizó las simulaciones por computadora. Cuando ejecutaron pruebas similares en una versión simulada de una computadora cuántica de IBM, los resultados mostraron una brecha mucho mayor entre ceros y unos de lo que las tasas de error físicas podían explicar. Esto sugirió que los modelos de simulación incluían efectos que no estaban presentes en el hardware real de Google, o que las simulaciones estaban capturando un tipo de error que la máquina real había logrado evitar. Los investigadores también notaron que, mientras los datos reales de Google mostraban un equilibrio estable, la proporción de unos en las mediciones fluctuaba en el tiempo de una manera que sugería que las puertas mismas eran inestables durante el experimento, en lugar de que las herramientas de medición fueran la fuente de la deriva.

En última instancia, el estudio proporciona una verificación tranquilizadora del comportamiento del hardware cuántico actual. Confirma que, para el experimento de Google de 2019, las complejas operaciones internas de la computadora no introdujeron el tipo de error unidireccional que algunas teorías habían predicho. La salida de la máquina no estaba siendo sesgada por una fuerza oculta que la empujaba hacia los ceros; el ruido reflejaba los errores de lectura asimétricos conocidos sin un sesgo adicional inducido por las puertas. Mientras que las simulaciones mostraron signos de este sesgo, los datos del mundo real no lo hicieron, lo que sugiere que los dispositivos físicos se comportan de manera más predecible de lo que algunos modelos teóricos habían anticipado. Esta claridad ayuda a los científicos a refinar su comprensión de cómo funcionan estas máquinas y asegura que las afirmaciones futuras sobre su poder se construyan sobre una base sólida y precisa de cómo se comportan realmente los errores.

Resumen Técnico: Análisis de Errores Asimétricos en Experimentos NISQ

Planteamiento del Problema
Este artículo amplía el análisis estadístico previo de los autores sobre experimentos de Computación Cuántica de Escala Intermedia con Ruido (NISQ, por sus siglas en inglés), centrándose específicamente en el experimento de "supremacía cuántica" de Google de 2019 y simulaciones relacionadas. El problema central abordado es la caracterización de los errores de lectura asimétricos en circuitos cuánticos. Mientras que trabajos anteriores ([10], [13]) establecieron herramientas para modelos de ruido simétricos, este estudio investiga un modelo de ruido refinado de 3 parámetros donde la probabilidad de que un '1' sea leído como un '0' ( $q_{1\to0}$ ) difiere de la probabilidad de que un '0' sea leído como un '1' ( $q_{0\to1}$ ).

Una motivación específica para este análisis surge de un artículo teórico de Fefferman et al. [4], que postula que los errores de puerta por amortiguamiento de amplitud (ruido no unitario, principalmente decaimiento $T_1$ ) deberían inducir un sesgo hacia los '0' en las muestras de salida. Los autores pretenden determinar si este efecto teórico —que se manifiesta como una fracción mayor de ceros de lo predicho únicamente por los errores de lectura— es observable en los datos empíricos de los procesadores Sycamore de Google, los procesadores cuánticos de IBM y varios simuladores.

Metodología
Los autores emplean y extienden las herramientas estadísticas desarrolladas en su trabajo previo, utilizando específicamente expansiones de Fourier-Walsh adaptadas para el ruido asimétrico.

Modelo de Ruido: El estudio utiliza un modelo de ruido de 3 parámetros:
$R(q_{1\to0}, q_{0\to1})(sP_C + (1-s)/M)$
donde $P_C$ es la distribución de probabilidad ideal, $s$ es un parámetro de fidelidad y $M=2^n$ , y $q_{1\to0}, q_{0\to1}$ representan las tasas de error de lectura asimétricas. Esto generaliza el modelo de 2 parámetros simétrico donde $q_{1\to0} = q_{0\to1} = q$ .
Técnicas de Estimación:
- Estimación de Máxima Verosimilitud (MLE): Los autores desarrollan estimadores MLE para los parámetros $(s, q_{1\to0}, q_{0\to1})$ basados en datos de muestra.
- Análisis de Fourier-Walsh: Extienden el marco de Fourier de [10] al espacio de medida con sesgo $p$ para manejar errores asimétricos, permitiendo una estimación eficiente de parámetros.
- Análisis Comparativo: El estudio compara tres métodos para estimar las tasas de error:
  1. Inferencia estadística de la fracción empírica de 0s y 1s en las salidas de los circuitos.
  2. Tasas de error de lectura directa reportadas por los proveedores de hardware (Google som_params_by_qubit.csv y readout_raw_data.tar).
  3. MLE derivado de las distribuciones de salida de los circuitos.
Fuentes de Datos:
- Google Sycamore: Datos empíricos del experimento de supremacía de 2019 ( $12 \le n \le 53$ qubits) y ejecuciones posteriores ( $n=67, 69$ ).
- Hardware de IBM: Circuitos de 5 qubits ejecutados en los procesadores "Nairobi" y "Jakarta".
- Simuladores: Simuladores "QVM Weber" de Google y "Fake Guadalupe" de IBM.
- Análisis Temporal: Examen de la estabilidad temporal de la proporción de 1s medidos a través de secuencias de medición de cadenas de bits.

Resultes Clave

Ausencia de Asimetría Inducida por Puertas en los Datos de Google:
Contrario a la hipótesis sugerida por Feffermán et al. [4], el análisis de los datos experimentales de Google de 2019 ( $12 \le n \le 53$ ) no muestra evidencia de un sesgo adicional hacia los '0' causado por errores de amortiguamiento de amplitud en las puertas.
- La diferencia empírica entre la fracción de 0s y 1s es consistente con, o incluso ligeramente menor que, la diferencia predicha únicamente por los errores de lectura reportados ( $q_{1\to0} - q_{0\to1}$ ).
- Las estimaciones MLE para $q_{1\to0}$ y $q_{0\to1}$ derivadas de los datos experimentales son similares a (o ligeramente menores que) los errores de lectura físicos reportados por Google.
- Esto se mantiene constante en todo el rango de conteo de qubits probado.
Discrepancia en Simuladores:
- IBM "Fake Guadalupe": En contraste con los datos de hardware de Google, el simulador de IBM muestra una discrepancia significativa. Los errores de lectura "efectivos" estimados vía MLE ( $q_{1\to0} \approx 0.081, q_{0\to1} \approx 0.048$ ) son considerablemente más altos que los errores de lectura físicos ( $q_{1\to0} \approx 0.028, q_{0\to1} \approx 0.007$ ). La asimetría en los datos del simulador es mayor que la reportada en los parámetros físicos, lo que sugiere que el modelo de ruido del simulador podría incorporar inadvertidamente efectos de error de puerta similares a los predichos por Fefferman et al.
- Google "QVM Weber": Los resultados para el simulador de Google son inconcluyentes debido a ambigüedades en los parámetros de error reportados (diferencias entre datos de calibración "aislados" y "paralelos").
Inestabilidad Temporal:
El estudio identifica una inestabilidad temporal en la proporción de 1s medidos durante las ejecuciones de los experimentos de Sycamore de Google y Zuchongzhi de USTC.
- La proporción de 1s fluctúa significativamente con el tiempo (desplazándose por muchas desviaciones estándar teóricas), exhibiendo una alta autocorrelación positiva.
- Sin embargo, los datos brutos de inicialización y lectura de Google (readout_raw_data.tar) no muestran variaciones temporales similares.
- Los autores concluyen que esta inestabilidad probablemente se origina en las puertas aplicadas durante los ciclos del circuito, más que en variaciones temporales en los errores de preparación de estado o de lectura.
Anticoncentración:
El estudio observa que los datos experimentales de Google exhiben una falta de anticoncentración (valores altos del parámetro $c$ en $\sum p(x)^2 = c/2^n$ ) más fuerte de lo esperado según el modelo de ruido de Google. Este efecto no se atribuye al sesgo de lectura asimétrico específico ( $q_{1\to0} > q_{0\to1}$ ) predicho por Fefferman et al., ya que los datos no muestran el correspondiente sesgo hacia los ceros.

Significancia y Reivindicaciones
El artículo afirma proporcionar una prueba estadística rigurosa de la predicción teórica de que los errores de puerta no unitarios (amortiguamiento de amplitud) se manifiestan como un tipo específico de error de lectura asimétrico en el muestreo de circuitos aleatorios.

Refutación del Efecto Observado: La principal afirmación es que, si bien el mecanismo teórico de Fefferman et al. [4] es plausible, no se presencia en los datos del experimento de supremacía de Google 2019 ni en ejecuciones posteriores. La asimetría observada en los datos se explica plenamente por los errores de lectura reportados, sin contribución adicional de un sesgo de puerta hacia el '0'.
Extensión Metodológica: El trabajo extiende con éxito el análisis de Fourier-Walsh y las técnicas de MLE al modelo de ruido asimétrico de 3 parámetros, proporcionando un marco para el análisis futuro de datos NISQ.
Simulación vs. Realidad: El estudio destaca una divergencia entre el hardware real (Google) y ciertos simuladores (IBM Fake Guadalupe), donde este último parece exhibir la inflación de error "efectivo" predicha por la teoría, mientras que el primero no lo hace.

Los autores mantienen un tono modesto, señalando que aunque no se encontró el efecto específico de la asimetría inducida por puertas en los datos de Google, se requieren más muestras y simulaciones para una comprensión completa, dada la naturaleza inconclusa de los datos del simulador de Google y las inestabilidades temporales observadas en los ciclos de las puertas.

Más como este