Hardware-Efficient Error Mitigation and Shot-Efficient Sampling on IBM Quantum Hardware
Cet article évalue expérimentalement les compromis entre les techniques d'atténuation d'erreurs et l'échantillonnage à nombre fini de tirages sur le matériel IBM Quantum sous un budget d'exécution contraint, fournissant une caractérisation tenant compte du matériel sur les moments où les stratégies d'atténuation améliorent la précision de l'estimation par rapport aux moments où les fluctuations d'échantillonnage annulent leurs bénéfices.
Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Dans le bourdonnement discret d'une salle de serveurs, un nouveau type d'ordinateur apprend à réfléchir. Ces machines, construites à partir de circuits supraconducteurs refroidis à des températures plus froides que l'espace profond, promettent de résoudre des problèmes qui prendraient des millénaires aux supercalculateurs d'aujourd'hui pour être déchiffrés. Mais il y a un piège : ces ordinateurs quantiques sont incroyablement fragiles. La moindre vibration ou chaleur peut fausser leurs calculs. Parce que nous ne sommes pas encore capables de construire des machines totalement immunisées contre ces erreurs, les scientifiques ont développé un ensemble d'astuces appelées atténuation d'erreurs. Ces astuces ne réparent pas les parties défectueuses de la machine ; au lieu de cela, elles tentent de deviner quelle aurait dû être la réponse correcte en exécutant le même calcul de nombreuses fois et en cherchant des modèles dans les erreurs. L'espoir est qu'en combinant ces résultats bruités, nous puissions extraire un signal clair du statique.
Cependant, ces astuces ont un coût caché. Pour obtenir une meilleure estimation, l'ordinateur doit exécuter le calcul plus de fois, utilisant une ressource limitée connue sous le nom de « shots » (tirages), qui sont simplement le nombre de fois où l'on demande à la machine de mesurer son résultat. Si vous dépensez trop de shots pour tenter de corriger les erreurs, vous pourriez vous retrouver avec un résultat moins précis que si vous aviez simplement exécuté le calcul quelques fois et accepté le bruit. Cette tension entre la correction des erreurs et l'épuisement des tentatives est le puzzle central que les chercheurs tentent de résoudre. Ils doivent savoir exactement quand ces méthodes de correction aident et quand elles empirent réellement les choses, surtout sur les machines réelles disponibles aujourd'hui.
Un chercheur de l'Institut indien de technologie de Jodhpur a décidé de tester cet équilibre sur un ordinateur quantique réel et fonctionnel. Il a utilisé un processeur puissant de 156 qubits d'IBM, une machine qui représente la pointe de la technologie actuelle. Son objectif n'était pas seulement de voir si la correction d'erreurs fonctionnait, mais de la mesurer équitablement en gardant fixe le nombre total de tentatives. Imaginez que vous ayez un temps limité pour prendre la photographie d'un objet en mouvement. Vous pouvez soit faire une pose longue, qui pourrait être floue, soit prendre de nombreux clichés rapides et les combiner. Le chercheur voulait savoir si le fait de prendre de nombreux clichés et de les combiner avec une recette mathématique spécifique donnerait réellement une image plus claire qu'en prenant simplement un cliché long, étant donné que le temps total disponible était le même pour les deux méthodes.
Le chercheur a mis en place une série d'expériences utilisant différents types de circuits, qui sont les instructions données à l'ordinateur. Il a testé des chaînes simples de qubits, des motifs d'opérations répétitifs, et un type spécifique de calcul utilisé pour les problèmes d'optimisation. Il a comparé les résultats bruts, non corrigés, à plusieurs stratégies de correction. Une stratégie consistait à corriger les erreurs qui surviennent lorsque la machine lit la réponse finale. Une autre consistait à exécuter le calcul à différents niveaux de bruit artificiel et à deviner mathématiquement quel serait le résultat s'il n'y avait aucun bruit. Ils ont également testé une méthode intelligente et adaptative qui tentait de décider combien de fois exécuter chaque partie du calcul en fonction du niveau de bruit de cette partie spécifique.
Les résultats ont été surprenants et nuancés. Le cherchenaire a découvert que la méthode intelligente et adaptative ne gagnait pas automatiquement. En fait, lorsqu'il a comparé la méthode intelligente à une méthode simple et uniforme où chaque partie du calcul était exécutée le même nombre de fois, la méthode intelligente n'était plus performante que dans deux des six scénarios différents. Dans les quatre autres scénarios, l'approche simple et uniforme était en fait plus précise. Cela suggère que la stratégie complexe consistant à ajuster constamment le nombre de tentatives en fonction des vérifications préliminaires du bruit n'est pas une amélioration garantie. Parfois, l'effort supplémentaire pour être « intelligent » sur l'endroit où dépenser les shots conduit en réalité à un résultat final moins bon.
Une autre conclusion clé est que les méthodes de correction n'ont pas toujours corrigé le biais, ou l'erreur systématique, de la manière dont les scientifiques l'espéraient. Pour un type de calcul spécifique impliquant un motif d'états haut et bas, la méthode conçue pour éliminer le bruit a rendu l'erreur plus grande qu'elle ne l'était auparavant. Le chercheur a observé que lorsque l'ordinateur était sollicité pour mesurer une valeur très proche de la limite de ce qui est possible, la ruse mathématique utilisée pour éliminer le bruit dépassait parfois la cible, poussant la réponse plus loin de la vérité. Cela se produisait même si la méthode est largement utilisée et fiable. Cela a montré que ces outils ne sont pas des baguettes magiques qui fonctionnent dans toutes les situations ; ils peuvent parfois introduire de nouveaux problèmes tout en essayant de résoudre les anciens.
L'étude a également souligné l'importance de la configuration physique de l'ordinateur lui-même. Le chercheur a découvert que le simple choix des fils sur la puce à utiliser pour leur calcul faisait une énorme différence. Lorsqu'ils ont utilisé une paire de fils connus pour être à faible erreur, leurs résultats étaient nettement meilleurs que lorsqu'ils utilisaient une paire de fils provenant de la même puce connus pour être à haute erreur. La différence de qualité entre ces deux paires de fils était si grande qu'elle était comparable à la différence causée par l'ajout de plusieurs couches supplémentaires de complexité au calcul. Cela signifie qu'avant de tenter de corriger les erreurs avec un logiciel, il peut être tout aussi important de sélectionner soigneusement les meilleures parties physiques de la machine pour exécuter le code.
Enfin, le chercheur a conclu qu'il n'existe pas de règle unique et universelle pour savoir quand utiliser l'atténuation d'erreurs. La décision dépend entièrement de la machine spécifique, du calcul spécifique effectué et du nombre de tentatives disponibles. Sur le processeur IBM qu'il a testé, la stratégie d'allocation adaptative des shots qu'il a testée n'était pas supérieure à l'approche simple et uniforme. Dans de nombreux cas, les méthodes standard de correction d'erreurs augmentaient l'incertitude du résultat plutôt que de la réduire. Le chercheur a rendu publics l'ensemble de ses données, son code et les instructions exactes qu'il a utilisées afin que d'autres puissent répéter les expériences. Son travail sert de rappel que dans le monde bruité de l'informatique quantique actuelle, la solution la plus sophistiquée n'est pas toujours la meilleure, et qu'un test minutieux et honnête est nécessaire avant de décider d'appliquer ces correctifs puissants mais coûteux.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.