Noise mitigation of quantum observables via learning from Hamiltonian symmetry decays

Il paper presenta GUESS, una nuova tecnica di mitigazione degli errori quantistici che sfrutta le simmetrie dell'Hamiltoniano per migliorare l'accuratezza delle osservabili in circuiti su larga scala, dimostrando su hardware IBM Heron r2 prestazioni superiori rispetto alla Zero Noise Extrapolation con un errore relativo del 10% e una varianza ridotta.

L'essenziale

Immagina di voler ascoltare una canzone preferita, ma la radio è piena di statico e disturbi. Più la canzone è lunga (più complessa è la computazione), più il rumore copre la musica, rendendo impossibile capire la melodia.

Questo è esattamente il problema dei computer quantistici oggi. Sono macchine potenti, ma molto fragili: il "rumore" (errori fisici nei qubit) rovina i risultati quasi istantaneamente.

Gli scienziati di questo articolo hanno inventato un nuovo modo per pulire questa "radio", chiamandolo GUESS. Ecco come funziona, spiegato con parole semplici e analogie.

1. Il Problema: Il Rumore che Nasconde la Verità

I computer quantistici attuali sono come dei cantanti che provano a cantare in una stanza piena di eco e vento. Se provi a misurare la loro voce (l'osservabile che ti interessa), il risultato sarà sbagliato.
Per correggere questo, i metodi attuali provano a "alzare il volume" del rumore (rendendo il computer più rumoroso di proposito) e poi cercano di indovinare come sarebbe stata la voce se il rumore non ci fosse stato. È come se un ingegnere del suono provasse a capire la voce originale ascoltando il cantante con 3 livelli di eco diversi e facendo una media.
Il problema: A volte questa "scommessa" sul rumore è sbagliata e il risultato finale è ancora confuso.

2. La Soluzione Magica: GUESS (Indovinare dal Rumore)

Gli autori hanno pensato: "E se avessimo un assistente che sa esattamente come dovrebbe comportarsi il rumore?"

Immagina di avere un orologio perfetto (una simmetria della fisica) che, in un mondo ideale, dovrebbe sempre segnare le 12:00.

• Nel mondo reale (con il rumore), quell'orologio inizia a rallentare o a saltare.
• Poiché sappiamo esattamente come quell'orologio dovrebbe comportarsi (dovrebbe sempre essere a 12:00), possiamo guardare quanto si è "sporcato" o rallentato.
• Se l'orologio rallenta di un certo modo, possiamo dedurre che anche la canzone che stiamo ascoltando sta venendo disturbata in quel modo specifico.

GUESS (che sta per GUiding Extrapolations from Symmetry decayS, ovvero "Guidare le estrapolazioni dal decadimento delle simmetrie") fa proprio questo:

1. Prende un "orologio perfetto" (un'osservabile che la fisica dice non dovrebbe mai cambiare).
2. Misura quanto questo orologio si è "rotto" a causa del rumore.
3. Usa questa informazione per "pulire" la canzone principale (il risultato che ci interessa davvero).

3. Il Trucco dell'"Impurezza" (Hamiltonian Impurity)

C'è un ostacolo: spesso questi "orologi perfetti" sono troppo grandi o complessi per essere usati direttamente sui qubit che stiamo studiando. È come voler calibrare un microfono da stadio usando un orologio da polso: non funziona bene.

La soluzione geniale degli autori è stata creare una "impurità" controllata.
Immagina di dover misurare la temperatura in una stanza specifica. Invece di usare un termometro generico, metti un piccolo oggetto speciale (l'impurità) nella stanza che costringe la temperatura a comportarsi in un modo prevedibile e misurabile, senza però cambiare il modo in cui il calore si diffonde nella stanza.
In pratica, modificano leggermente il circuito quantistico per creare un "orologio" locale che si comporta esattamente come il risultato che vogliono misurare, permettendo di imparare le regole del rumore in modo preciso.

4. I Risultati: Una Radio Cristallina

Hanno testato questo metodo su un vero computer quantistico di IBM (il "basquecountry") con 100 qubit.

• Risultato: Mentre i metodi vecchi (ZNE) iniziavano a perdere il filo dopo un po' di tempo, GUESS è riuscito a mantenere la musica chiara anche per circuiti molto lunghi (fino a 8.000 operazioni).
• Precisione: Hanno ottenuto un errore di circa il 10%, che è un risultato eccellente per l'hardware attuale.
• Efficienza: Hanno bisogno di fare solo il doppio dei "tentativi" (shot) rispetto ai metodi vecchi, ma il risultato è molto più stabile e meno "rumoroso".

In Sintesi

Pensa a GUESS come a un detective del rumore.
Invece di cercare di indovinare a caso come il rumore disturba il segnale, il detective guarda un "cameriere" (la simmetria) che sa esattamente cosa dovrebbe succedere. Se il cameriere inciampa, il detective sa esattamente come inciampa anche il cliente (il risultato finale) e lo aiuta a rimettersi in piedi.

Questo metodo è un passo enorme verso l'uso pratico dei computer quantistici oggi, permettendoci di ottenere risultati utili anche con macchine che non sono ancora perfette, senza dover aspettare di costruire computer quantistici "a prova di errore" che richiederanno ancora molti anni.

Sommario tecnico

1. Il Problema

Il calcolo quantistico su larga scala è attualmente limitato dalla presenza di rumore hardware, che introduce errori nelle computazioni e rende i risultati inaccurati. Sebbene la Correzione di Errori Quantistici (QEC) sia la soluzione a lungo termine per computer fault-tolerant, le tecnologie attuali (NISQ - Noisy Intermediate-Scale Quantum) richiedono strategie di Mitigazione degli Errori Quantistici (QEM).
Le tecniche esistenti, come l'Estrapolazione a Rumore Zero (ZNE), affrontano il problema amplificando il rumore e tentando di estrapolare il valore ideale. Tuttavia, queste metodologie presentano sfide significative:

• Instabilità: I circuiti complessi (non-Clifford) spesso mostrano decadimenti multi-esponenziali, rendendo difficile determinare la curva di estrazione corretta.
• Sovraccarico di campionamento: Per ottenere una varianza accettabile, le tecniche di estrazione richiedono un numero elevato di "shot" (ripetizioni), aumentando i costi computazionali.
• Incertezza nell'amplificazione: Le tecniche di amplificazione del rumore (es. folding delle porte) sono spesso euristico e non perfettamente lineari, portando a stime imprecise.

2. Metodologia: GUESS

Gli autori propongono una nuova tecnica chiamata GUESS (GUiding Extrapolations from Symmetry decayS). Il metodo sfrutta le simmetrie dell'Hamiltoniana per apprendere il profilo di decadimento del rumore e correggere gli osservabili target.

Il processo si articola in due fasi principali:

A. Apprendimento dai Decadimenti di Simmetria

In un sistema ideale, gli osservabili che commutano con l'Hamiltoniana (simmetrie) sono conservati. In presenza di rumore, il loro valore di aspettazione decade. GUESS utilizza questo decadimento per "imparare" come il rumore influenza il sistema.

• Si misura il decadimento di un osservabile di simmetria $S$ a diversi livelli di rumore (fattori di guadagno $G_k$).
• Poiché il valore ideale di $S$ è noto (es. 1), si risolve un problema di minimi quadrati vincolati per trovare i coefficienti di estrazione ottimali ($\hat{x}$) che mappano i valori rumorosi a quello ideale.

B. Tecnica dell'Impurezza Hamiltoniana

Un limite pratico è che le simmetrie globali (che coinvolgono tutti i qubit) decadono troppo velocemente per essere utili, mentre gli osservabili locali (di interesse) hanno pesi diversi. Poiché il tasso di decadimento dipende dal "peso" dell'operatore (numero di qubit coinvolti), non è possibile usare direttamente una simmetria globale per correggere un osservabile locale.

• Soluzione: Gli autori introducono una impurezza locale ($I_{\bar{q}}$) nell'Hamiltoniana target. Questa perturbazione è progettata per creare una nuova simmetria locale che coinvolge esattamente gli stessi qubit e ha lo stesso peso dell'osservabile target, ma che commuta con l'Hamiltoniana perturbata.
• Preservazione del Rumore: La perturbazione è costruita in modo da mantenere invariato il numero e la struttura delle porte a due qubit (il principale fonte di rumore). Questo garantisce che la propagazione del rumore nel circuito perturbato sia statisticamente simile a quella del circuito target originale.

C. Applicazione

Una volta appresi i coefficienti di estrazione dal decadimento della simmetria locale (perturbata), questi vengono applicati ai valori di aspettazione misurati dell'osservabile target (non perturbato) per stimare il valore senza rumore.

3. Contributi Chiave

1. Nuovo Paradigma QEM: GUESS sposta il focus dall'assunzione di un modello di decadimento (lineare/esponenziale) all'apprendimento empirico del profilo di rumore tramite simmetrie controllate.
2. Tecnica dell'Impurezza: L'introduzione di un'impurezza Hamiltoniana per generare simmetrie locali con peso specifico risolve il problema della discrepanza di decadimento tra simmetrie globali e osservabili locali.
3. Post-Selezione Statistica: Il metodo permette di utilizzare i risultati della simmetria misurata per identificare e scartare i qubit o le esecuzioni più rumorose (outlier), migliorando la qualità dei dati prima ancora dell'estrazione.
4. Robustezza: Il metodo è robusto rispetto alle incertezze nei fattori di amplificazione del rumore, poiché non dipende esplicitamente dal valore esatto del fattore di guadagno, ma solo dalla consistenza della tecnica di amplificazione tra circuito target e circuito di simmetria.

4. Risultati Sperimentali

Gli esperimenti sono stati condotti sul processore quantistico IBM Heron r2 ('ibm basquecountry'), simulando l'evoluzione temporale di:

• Modello di Ising in campo trasverso (TFIM).
• Catena di Heisenberg $XZ$.
• Sistemi di 100 qubit con condizioni al contorno aperte.

Prestazioni:

• Accuratezza: GUESS ha raggiunto un errore relativo di circa il 10% per circuiti contenenti fino a 8000 porte CZ (gate a due qubit), coprendo fino a 44 passi di Trotter per il modello Ising e 24 per Heisenberg.
• Confronto con ZNE: GUESS ha mostrato una varianza inferiore rispetto alla ZNE standard su una media di 20 osservabili.
• Efficienza: Richiede solo il doppio del numero di shot per osservabile rispetto alla ZNE di base (a causa della necessità di eseguire il circuito perturbato), offrendo un compromesso favorevole tra overhead e accuratezza.
• Stabilità: Mentre la ZNE standard falliva spesso nel catturare la dinamica corretta (con errori >20%) o produceva valori non fisici, GUESS ha mantenuto la coerenza con le simulazioni classiche (Tensor Network/MPS) per un periodo di tempo significativo.

5. Significato e Implicazioni

Il lavoro dimostra che è possibile estrarre informazioni di alta qualità da computer quantistici rumorosi su scala "utility" (100+ qubit) senza la necessità di una correzione di errori completa.

• Ponte verso la Fault-Tolerance: GUESS funge da ponte pratico per l'era della fault-tolerance iniziale, permettendo di combinare la mitigazione degli errori (QEM) con la correzione degli errori (QEC) logica.
• Scalabilità: La capacità di gestire circuiti profondi (fino a 160 livelli di profondità) e grandi numeri di qubit suggerisce che GUESS è scalabile per applicazioni reali nella simulazione di materiali e dinamica quantistica.
• Validazione della Qualità: L'uso delle simmetrie per il post-processing e la selezione dei qubit offre un nuovo strumento per diagnosticare la salute dell'hardware quantistico in tempo reale.

In sintesi, GUESS rappresenta un avanzamento significativo nella mitigazione degli errori, trasformando le simmetrie fisiche da semplici strumenti di verifica a motori attivi per l'apprendimento e la correzione del rumore, con risultati superiori alle tecniche di estrazione tradizionali su hardware reale.