⚛️ quantum physics

Analysis of asymmetric errors in NISQ experiments

Questo articolo estende le precedenti analisi statistiche sugli esperimenti NISQ dimostrando che, contrariamente alle previsioni teoriche riguardanti l'attenuazione di ampiezza, i dati della "supremazia quantistica" di Google del 2019 esibiscono frazioni zero-uno determinate esclusivamente dall'asimmetria dell'errore di lettura piuttosto che dagli errori di gate, un reperimento supportato da simulazioni sulle piattaforme IBM e Google.

Autori originali: Gil Kalai, Tomer Shoham, Carsten Voelkmann

Pubblicato 2026-09-29

📖 5 min di lettura🧠 Approfondimento

CC BY 4.0

Autori originali: Gil Kalai, Tomer Shoham, Carsten Voelkmann

Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo

Nella corsa alla costruzione di macchine in grado di risolvere problemi oltre la portata dei computer odierni, gli scienziati stanno lavorando con una nuova e fragile tecnologia chiamata calcolo quantistico. Queste macchine utilizzano minuscole particelle di materia, note come qubit, che possono esistere in uno stato di essere sia zero che uno contemporaneamente, permettendo loro di elaborare informazioni in modi che i computer classici non possono fare. Tuttavia, questi qubit sono incredibilmente sensibili al loro ambiente. Anche la minima perturbazione può causare errori, un fenomeno noto come rumore. Per capire se un computer quantistico stia realmente funzionando come previsto, i ricercatori devono separare attentamente il segnale del calcolo dal disturbo di questi errori. Un importante focus degli studi recenti è stato rivolto agli "errori di lettura", che si verificano quando la macchina legge erroneamente lo stato finale di un qubit, confondendo uno zero con un uno o viceversa. Comprendere la natura precisa di questi errori è fondamentale perché dice agli scienziati se la macchina sta eseguendo un vero calcolo quantistico o se sta semplicemente producendo rumore casuale.

Un team di ricercatori ha recentemente rivolto la propria attenzione a una domanda specifica su come si comportano questi errori. Volevano sapere se gli errori fossero puramente casuali o se avessero un bias nascosto. In una macchina perfettamente bilanciata, un qubit che dovrebbe essere zero potrebbe essere letto come uno con la stessa frequenza con cui un qubit che dovrebbe essere uno viene letto come zero. Tuttavia, alcuni lavori teorici suggerivano che le operazioni interne del computer, specificamente i gate che manipolano i qubit, potessero introdurre un bias unidirezionale. Questa teoria proponeva che, mentre la macchina è in funzione, essa spingerebbe naturalmente i risultati verso un numero maggiore di zeri, creando uno squilibrio che non era solo un semplice errore di misurazione, ma un fondamentale deriva nei dati.

Per testare questa idea, i ricercatori hanno esaminato i dati del famoso esperimento di supremazia quantistica del 2019 condotto da Google, che utilizzava un processore con 53 qubit. Hanno guardato anche i dati di altri computer quantistici e di simulazioni informatiche progettate per imitare queste macchine. Il loro obiettivo era vedere se la frazione di zeri nei risultati finali fosse superiore a quanto potesse essere spiegato dai noti errori di lettura. Se la teoria fosse stata corretta, si sarebbero aspettati di trovare un surplus significativo di zeri nei dati sperimentali che cresceva all'aumentare del numero di qubit.

L'analisi ha rivelato un quadro chiaro che contraddiceva la previsione teorica. Quando i ricercatori hanno esaminato i dati reali dell'esperimento del 2019 di Google, coprendo una gamma di circuiti con da 12 a 53 qubit, non hanno trovato alcuna prova di questo bias extra verso gli zeri causato dalle operazioni interne dei gate. Il leggero squilibrio osservato tra zeri e uni rifletteva l'asimmetria degli errori di lettura riportati, sebbene la differenza empirica tra zeri e uni fosse circa il 10%-20% inferiore rispetto alla differenza attesa dai tassi di errore dichiarati. In altre parole, la macchina non stava segretamente spingendo i risultati verso lo zero a causa delle sue operazioni interne; il rumore osservato era coerente con i noti errori di misurazione fisici, senza l'ulteriore distorsione prevista dalla teoria. Questa scoperta è rimasta valida in tutto l'intervallo di conteggi dei qubit testati nell'esperimento nel mondo reale.

La storia era diversa quando il team ha esaminato le simulazioni al computer. Quando hanno eseguito test simili su una versione simulata di un computer quantistico IBM, i risultati hanno mostrato un divario molto più ampio tra zeri e uni di quanto i tassi di errore fisici potessero spiegare. Ciò ha suggerito che i modelli di simulazione includessero effetti che non erano presenti nell'hardware reale di Google, o che le simulazioni stessero catturando un tipo di errore che la macchina reale era riuscita a evitare. I ricercatori hanno inoltre notato che, mentre i dati reali di Google mostravano un bilanciamento stabile, la proporzione di uni nelle misurazioni fluttuava nel tempo in un modo che suggeriva che i gate stessi fossero instabili durante l'esperimento, piuttosto che gli strumenti di misurazione a essere la fonte della deriva.

In definitiva, lo studio fornisce un controllo rassicurante sul comportamento dell'attuale hardware quantistico. Conferma che, per l'esperimento Google del 2019, le complesse operazioni interne del computer non hanno introdotto il tipo di errore unidirezionale che alcune teorie avevano previsto. L'output della macchina non era distorto da una forza nascosta che la spingeva verso gli zeri; il rumore rifletteva i noti errori di lettura asimmetrici senza un ulteriore bias indotto dai gate. Mentre le simulazioni mostravano segni di questo bias, i dati del mondo reale no, suggerendo che i dispositivi fisici si comportano in modo più prevedibile di quanto alcuni modelli teorici avessero anticipato. Questa chiarezza aiuta gli scienziati a perfezionare la comprensione di come funzionano queste macchine e assicura che le future affermazioni sul loro potere siano costruite su una base solida e accurata di come si comportano realmente gli errori.

Sintesi Tecnica: Analisi degli Errori Asimmetrici negli Esperimenti NISQ

Definizione del Problema
Questo articolo estende la precedente analisi statistica degli autori su esperimenti NISQ (Noisy Intermediate-Scale Quantum), concentrandosi specificamente sull'esperimento di "supremazia quantistica" del 2019 di Google e su simulazioni correlate. Il problema centrale affrontato è la caratterizzazione degli errori di lettura asimmetrici nei circuiti quantistici. Mentre i lavori precedenti ([10], [13]) hanno stabilito strumenti per modelli di rumore simmetrico, questo studio investiga un modello di rumore a 3 parametri raffinato in cui la probabilità che un '1' venga letto come '0' ( $q_{1\to0}$ ) differisce dalla probabilità che uno '0' venga letto come '1' ( $q_{0\to1}$ ).

Una specifica motivazione per questa analisi deriva da un articolo teorico di Fefferman et al. [4], il quale postula che gli errori di gate dovuti all'attenuazione dell'ampiezza (rumore non unitale, principalmente decadimento $T_1$ ) dovrebbero indurre un bias verso gli '0' nei campioni in uscita. Gli autori mirano a determinare se questo effetto teorico — che si manifesta come una frazione maggiore di zeri rispetto a quanto previsto dagli errori di lettura da soli — sia osservabile nei dati empirici dei processori Sycamore di Google, dei processori quantistici di IBM e di vari simulatori.

Metodologia
Gli autori utilizzano ed estendono gli strumenti statistici sviluppati nel loro lavoro precedente, utilizzando specificamente le espansioni di Fourier-Walsh adattate per il rumore asimmetrico.

Modello di Rumore: Lo studio utilizza un modello di rumore a 3 parametri:
$R(q_{1\to0}, q_{0\to1})(sP_C + (1-s)/M)$
dove $P_C$ è la distribuzione di probabilità ideale, $s$ è un parametro di tipo fedeltà, e $M=2^n$ , con $q_{1\to0}, q_{0\to1}$ che rappresentano i tassi di errore di lettura asimmetrici. Questo generalizza il modello simmetrico a 2 parametri dove $q_{1\to0} = q_{0\to1} = q$ .
Tecniche di Stima:
- Stima della Massima Verosimiglianza (MLE): Gli autori sviluppano stimatori MLE per i parametri $(s, q_{1\to0}, q_{0\to1})$ basati sui dati del campione.
- Analisi di Fourier-Walsh: Estendono il framework di Fourier da [10] allo spazio di misura $p$ -biased per gestire errori asimmetrici, permettendo una stima efficiente dei parametri.
- Analisi Comparativa: Lo studio confronta tre metodi per stimare i tassi di errore:
  1. Inferenza statistica dalla frazione empirica di 0 e 1 nelle uscite dei circuiti.
  2. Tassi di errore di lettura diretti riportati dai fornitori dell'hardware (i file som_params_by_qubit.csv e readout_raw_data.tar di Google).
  3. MLE derivata dalle distribuzioni di uscita dei circuiti.
Fonti dei Dati:
- Google Sycamore: Dati empirici dall'esperimento di supremazia del 2019 ( $12 \le n \le 53$ qubit) e corse successive ( $n=67, 69$ ).
- Hardware IBM: Circuiti a 5 qubit eseguiti sui processori "Nairobi" e "Jakarta".
- Simulatori: Simulatori "QVM Weber" di Google e "Fake Guadalupe" di IBM.
- Analisi Temporale: Esame della stabilità temporale della proporzione di 1 misurati attraverso le sequenze di misurazione delle stringhe di bit.

Risultati Chiave

Assenza di Asimmetria Indotta dai Gate nei Dati Google:
Contrariamente all'ipotesi suggerita da Fefferman et al. [4], l'analisi dei dati sperimentali di Google del 2019 ( $12 \le n \le 53$ ) mostra nessuna evidenza di un ulteriore bias verso lo '0' causato dagli errori di attenuazione dell'ampiezza dei gate.
- La differenza empirica tra la frazione di 0 e 1 è coerente con, o addirittura leggermente inferiore alla, differenza prevista unicamente dagli errori di lettura riportati ( $q_{1\to0} - q_{0\to1}$ ).
- Le stime MLE per $q_{1\to0}$ e $q_{0\to1}$ derivate dai dati sperimentali sono simili a (o leggermente inferiori ai) parametri fisici di lettura riportati da Google.
- Ciò rimane valido per l'intero intervallo di conteggio dei qubit testati.
Discrepanza nei Simulatori:
- IBM "Fake Guadalupe": In contrasto con i dati dell'hardware Google, il simulatore IBM mostra una discrepanza significativa. Gli errori di lettura "effettivi" stimati tramite MLE ( $q_{1\to0} \approx 0.081, q_{0\to1} \approx 0.048$ ) sono considerevolmente più alti degli errori di lettura fisici ( $q_{1\to0} \approx 0.028, q_{0\to1} \approx 0.007$ ). L'asimmetria nei dati del simulatore è maggiore di quella riportata nei parametri fisici, suggerendo che il modello di rumore del simulatore possa aver incorporato involontariamente effetti di errore di gate simili a quelli predetti da Feffemann et al.
- Google "QVM Weber": I risultati per il simulatore di Google sono inconcludenti a causa di ambiguità nei parametri di errore riportati (differenze tra dati di calibrazione "isolati" e "paralleli").
Instabilità Temporale:
Lo studio identifica un'instabilità temporale nella proporzione di 1 misurati durante l'esecuzione degli esperimenti Sycamore di Google e Zuchongzhi di USTC.
- La proporzione di 1 fluttua significativamente nel tempo (spostandosi di molti scarti standard teorici), esibendo un'alta autocorrelazione positiva.
- Tuttavia, i dati grezzi di inizializzazione e lettura di Google (readout_raw_data.tar) non mostrano variazioni temporali simili.
- Gli autori concludono che questa instabilità probabilmente origina dai gate applicati durante i cicli del circuito piuttosto che da variazioni temporali negli errori di preparazione dello stato o di lettura.
Anticoncentrazione:
Lo studio nota che i dati sperimentali di Google esibiscono una mancanza di anticoncentrazione (valori elevati del parametro $c$ in $\sum p(x)^2 = c/2^n$ ) più forte di quanto previsto dal modello di rumore di Google. Questo effetto non è attribuito al bias di lettura asimmetrico specifico ( $q_{1\to0} > q_{0\to1}$ ) predetto da Fefferman et al., poiché i dati non mostrano il corrispondente bias verso lo zero.

Significatività e Rivendicazioni
L'articolo sostiene di fornire un test statistico rigoroso della previsione teorica secondo cui gli errori di gate non unitali (attenuazione dell'ampiezza) si manifestano come un tipo specifico di errore di lettura asimmetrico nel campionamento di circuiti casuali.

Confutazione dell'Effetto Osservato: La rivendicazione principale è che, sebbene il meccanismo teorico di Fefferman et al. sia plausibile, esso non è riscontrato nei dati sperimentali di Google del 2019 o nelle corse successive. L'asimmetria osservata nei dati è pienamente spiegata dagli errori di lettura riportati, senza alcun contributo aggiuntivo dal bias indotto dai gate verso lo '0'.
Estensione Metodologica: Il lavoro estende con successo l'analisi di Fourier-Walsh e le tecniche MLE al modello di rumore asimmetrico a 3 parametri, fornendo un quadro per l'analisi futura dei dati NISQ.
Simulazione vs Realtà: L'articolo evidenzia una divergenza tra l'hardware reale (Google) e certi simulatori (IBM Fake Guadalupe), dove quest'ultimo sembra esibire l'inflazione dell'errore "effettivo" predetta dalla teoria, mentre il primo no.

Gli autori mantengono un tono modesto, osservando che, sebbene l'effetto specifico dell'asimmetria indotta dai gate non sia stato trovato nei dati di Google, sono necessari ulteriori campioni e simulazioni per una comprensione completa, data la natura inconcludente dei dati del simulatore di Google e le instabilità temporali osservate nei cicli dei gate.

Articoli simili