Quantum Noise Mitigation with Adaptive Zero-Noise Extrapolation: A Contextual Multi-Armed Bandits Approach

Immagina di cercare di preparare la torta perfetta, ma il tuo forno è un po' difettoso. A volte scotta troppo, a volte è troppo freddo, e la temperatura continua a cambiare mentre stai cucinando. Nel mondo del calcolo quantistico, questi "forni" sono chiamati processori quantistici, e i "difetti" sono noti come rumore. Questo rumore deriva da piccole vibrazioni, calore e interferenze elettromagnetiche che sconvolgono i delicati calcoli che i computer quantistici stanno cercando di eseguire. Gli scienziati stanno attualmente lavorando con macchine che sono potenti ma ancora molto rumorose, una fase chiamata "Noisy Intermediate-Scale Quantum" (o NISQ). Per ottenere risultati utili, i ricercatori usano un trucco chiamato "error mitigation" (mitigazione dell'errore), che è come cercare di indovinare che sapore avrebbe la torta se il forno fosse perfetto, anche se puoi cuocerla solo in quello difettoso. Un metodo popolare, chiamato Zero-Noise Extrapolation (ZNE), consiste nell'aumentare intenzionalmente il rumore (come se si portasse il forno al massimo della potenza) e poi indovinare matematicamente quale sarebbe il risultato se il rumore fosse zero. Tuttavia, c'è un problema: la maggior parte delle persone usa una ricetta fissa per quanto aumentare il rumore, assumendo che il forno si comporti allo stesso modo ogni volta. Ma nella realtà, i forni quantistici sono imprevedibili; i loro "difetti" cambiano da un momento all'altro.

Questo articolo introduce un nuovo modo intelligente per gestire questi forni imprevedibili. Invece di usare una ricetta rigida e preimpostata, gli autori propongono un sistema che agisce come uno chef intelligente e adattivo. Combinano il trucco di amplificazione del rumore (ZE) con una strategia decisionale chiamata "Contextual Multi-Armed Bandits". Immaginatelo come una slot machine in cui ogni leva (o "braccio") rappresenta un modo diverso per amplificare il rumore. Un giocatore intelligente non tira le leve a caso; osserva la situazione attuale (il "contesto", come la profondità della torta o quanto sembra caldo il forno in quel momento) e sceglie la leva che offre il miglior risultato con il minimo sforzo. L'articolo suggerisce che lasciando che un computer impari quale strategia di amplificazione del rumore funzioni meglio in tempo reale, possiamo ottenere risultati più accurati spendendo meno tempo e denaro in tentativi di cottura superflui.

Il Problema: Il Forno Quantistico Difettoso

I computer quantistici sono incredibili perché possono risolvere certi problemi molto più velocemente dei computer normali. Ma in questo momento, sono come una cucina tecnologica dove gli ingredienti cambiano sapore prima che tu possa misurarli. Questo è dovuto al "rumore" — un'interferenza indesiderata dall'ambiente che rovina il calcolo. Se provi a eseguire un programma complesso (chiamato Variational Quantum Circuit, o VQC) su queste macchine, il rumore rende errata la risposta.

Per correggere questo, gli scienziati usano una tecnica chiamata Zero-Noise Extrapolation (ZNE). Immaginate di voler conoscere il sapore di una torta con zero zucchero, ma potete assaggiare solo torte con lo zucchero. Ne cuocete una con un po' di zucchero, una con il doppio e una con il triplo. Poi le assaggiate e tracciate una linea attraverso i punti per indovinare che sapore avrebbe la torta con zero zucchero. In termini quantistici, aumentate intenzionalmente il rumore "peggiorandolo" (un processo chiamato "folding" o ripiegamento) e poi indovinate matematicamente quale sarebbe il risultato con nessun rumore.

Il problema è che la maggior parte delle persone usa un piano fisso. Decidono: "Testeremo sempre con 1x, 3x e 5x il rumore", indipendentemente da ciò che sta facendo il computer. Ma i veri computer quantistici sono disordinati. Il rumore cambia nel tempo a causa di spostamenti di temperatura o derive di calibrazione. Un piano fisso potrebbe funzionare benissimo un minuto e risultare inutile il momento successivo, portando a sprecare tempo e denaro eseguendo lo stesso circuito ripetutamente.

La Soluzione: Lo Chef Intelligente e Adattivo

Gli autori di questo articolo propongono un nuovo approccio chiamato CMAB-ZNE. Trattano la scelta di quanto amplificare il rumore come un gioco di "Contextual Multi-Armed Bandits".

In questo gioco:

• I Bracci (Arms): Ogni "braccio" è un diverso set di livelli di rumore da testare. Ad esempio, un braccio potrebbe testare i livelli di rumore 1 e 3, mentre un altro testa 1, 3 e 5.
• Il Contesto: Questa è l'informazione che il sistema osserva prima di prendere una decisione. Include elementi come la profondità del circuito quantistico, il numero di parametri che possiede e lo stato attuale dell'hardware (come la "rumorosità" attuale dell'ambiente).
• La Ricompensa (Reward): Dopo il test, il sistema riceve un "punteggio". Questo punteggio bilancia due cose: l'accuratezza della risposta e quanto è costato arrivarci (in termini di tempo, trasferimento dati e utilizzo del computer).

Il sistema impara man mano che procede. Se il rumore è basso e il circuito è semplice, lo "chef" potrebbe scegliere un braccio economico e superficiale (testando meno livelli di rumore) perché è veloce e sufficiente. Se il rumore è alto e il circuito è complesso, il sistema impara a scegliere un braccio profondo (testando più livelli) per ottenere una stima migliore, anche se costa di più. Si adatta costantemente alla strategia basandosi sul "contesto" del momento.

Cosa Hanno Scoperto

I ricercatori hanno testato questa idea utilizzando simulazioni ed esperimenti reali su hardware quantistico vero. Ecco cosa hanno scoperto:

1. I Circuiti Più Profondi Sono Più Rumorosi: Man mano che i circuiti quantistici diventano più complessi (più profondi), accumulano più rumore, il che rende le risposte meno accurate e richiede più tentativi per ottenere un buon risultato.
2. Lo ZNE Funziona, Ma Ha Bisogno delle Impostazioni Giuste: La Zero-noise extrapolation può correggere gli errori, ma solo se si scelgono i giusti "livelli di folding". Se si scelgono i livelli sbagliati, si potrebbe non correggere affatto l'errore.
3. L'Approccio Adattivo Vince: Il loro nuovo metodo CMAB-ZNE è stato molto migliore dei vecchi metodi fissi.
   • Ha ridotto il numero di volte in cui dovevano eseguire il circuito fino al 40%.
   • Ha ridotto la quantità di dati inviati avanti e indietro fino al 35%.
   • Ha abbassato il costo totale fino al 30% (sotto un budget specifico di 10 Mbps).
   • Ancora più importante, ha migliorato l'accuratezza della risposta finale fino al 6,9% rispetto ai migliori metodi fissi.

Hanno testato questo approccio su due diversi compiti di riconoscimento delle immagini (CIFAR-10 e EuroSAT) e hanno scoperto che il sistema intelligente e adattivo trova costantemente il "punto ottimale" tra accuratezza e costo.

Test nel Mondo Reale

Per assicurarsi che non si trattasse solo di una simulazione al computer, gli autori hanno eseguito anche un test su un vero computer quantistico prodotto da Rigetti (il Cepheus-1-108Q). Non hanno addestrato l'intero modello sulla macchina reale (il che sarebbe stato troppo costoso), ma hanno usato la macchina reale per testare le risposte finali.

I risultati sull'hardware reale hanno confermato la loro teoria: il braccio più superficiale e meno costoso (che testa meno livelli di rumore) spesso forniva un'accuratezza simile al braccio più costoso e profondo, ma a un costo molto inferiore. Ciò ha dimostrato che non è sempre necessaria la soluzione più costosa e complessa; a volte, una scelta intelligente e adattiva è migliore.

In Sintesi

Questo articolo suggerisce che il futuro del calcolo quantistico non riguarda solo la costruzione di macchine più grandi e rumorose, ma la creazione di software più intelligenti che sappiano gestire il rumore. Trattando la correzione dell'errore come un problema dinamico di apprendimento piuttosto che come una ricetta fissa, possiamo ottenere risultati migliori, più velocemente e a costi inferiori. Sebbene gli autori notino che il loro test nel mondo reale era limitato a condizioni specifiche e che sia necessario ulteriore lavoro per gestire tutte le particolarità dell'hardware reale, le loro simulazioni e i test iniziali sull'hardware mostrano una via molto promettente per rendere i computer quantistici realmente utili nel mondo rumoroso in cui viviamo.