← Ultimi articoli
⚛️ fisica quantistica

Improved Low-Cost Quantum Error Mitigation with Benchmarked-Noise Zero-Noise Extrapolation (bnZNE)

Questo articolo introduce e valida sperimentalmente la zero-noise extrapolation con circuiti di benchmark (bnZNE), una tecnica di mitigazione dell'errore quantistico a basso costo che supera la ZNE standard utilizzando circuiti di benchmark classicamente simulabili per stimare in modo più accurato i tassi di errore effettivi e migliorare il processo di estrapolazione del rumore zero attraverso varie piattaforme hardware e applicazioni su larga scala.

Autore originale: Joseph Harris, Kevin Lively, Peter Ken Schuhmacher

Pubblicato 2026-11-13
📖 6 min di lettura🧠 Approfondimento

Autore originale: Joseph Harris, Kevin Lively, Peter Ken Schuhmacher

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 dall'autore. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo

Nella corsa alla costruzione di computer quantistici utili, gli scienziati affrontano un ostacolo persistente e ostinato: il rumore. A differenza dei bit stabili di un computer classico, i bit quantistici, o qubit, che alimentano queste macchine sono incredibilmente fragili. Sono così sensibili al loro ambiente che la minima vibrazione, variazione di temperatura o sussurro elettromagnetico può far loro perdere l'informazione, corrompendo il calcolo prima ancora che sia terminato. Per l'attuale generazione di dispositivi quantistici, che sono abbastanza potenti da tentare compiti complessi ma non ancora abbastanza perfetti da eseguirli senza errori, questo rumore è la principale barriera al progresso. Per aggirare questo problema, i ricercatori hanno sviluppato un insieme di tecniche chiamate mitigazione dell'errore quantistico. Questi metodi non riparano l'hardware stesso; invece, eseguono lo stesso calcolo più volte aggiungendo diverse quantità di rumore artificiale e poi utilizzano computer classici per indovinare matematicamente quale sarebbe stato il risultato se la macchina fosse stata perfettamente silenziosa. Uno dei modi più popolari per farlo si chiama estrapolazione dello zero-rumore (zero-noise extrapolation). Funziona rendendo deliberatamente il circuito più rumoroso a passi, misurando i risultati ad ogni passo e poi tracciando una linea all'indietro verso un punto teorico in cui il rumore è zero.

Tuttavia, questo metodo popolare si basa su un'ipotesi semplificatrice che spesso fallisce nel mondo reale. Assume che la quantità di rumore aggiunta dai ricercatori corrisponda al rumore effettivo che la macchina sta subendo, come se la manopola che si gira per aumentare il rumore fosse perfettamente accurata. In pratica, il rumore della macchina si comporta in modo più erratico; può cambiare nel tempo, o la relazione tra l'impostazione della manopola e l'errore effettivo può essere non uniforme. Questo disallineamento introduce un bias nascosto, causando un indovino finale inaccurato, specialmente per calcoli grandi e complessi. Un team di ricercatori del Centro Aerospaziale Tedesco ha ora sviluppato un approccio raffinato per correggere questo difetto. Chiamano il loro metodo estrapolazione dello zero-rumore con rumore di riferimento (benchmarked-noise zero-noise extrapolation). Invece di fidarsi della manopola, eseguono un secondo test di circuito più semplice insieme a ogni calcolo rumoroso. Questo circuito di test è progettato per essere facile da prevedere, agendo come un righello integrato che misura esattamente quanto rumore è effettivamente presente in quel momento specifico. Utilizzando questa misurazione del rumore in tempo reale piuttosto che l'impostazione teorica, possono tracciare una linea molto più accurata all'indietro verso il risultato privo di rumore.

I ricercatori hanno testato questo nuovo metodo su due diversi tipi di hardware quantistico: il dispositivo IBM Fez, che ha 156 qubit, e il dispositivo IQM Emerald, che ha 54 qubit. Hanno applicato la tecnica a una vasta gamma di problemi impegnativi, tra cui la simulazione del comportamento di catene magnetiche, l'esecuzione di trasformazioni matematiche complesse note come trasformate di Fourier quantistiche ed esecuzione di algoritmi di ricerca. In ogni caso, hanno confrontato il loro nuovo metodo con l'approccio standard. I risultati hanno mostrato un vantaggio chiaro e costante. Quando i ricercatori usavano il metodo standard, le risposte finali spesso si allontanavano dal valore reale, particolarmente man mano che i circuiti diventavano più profondi e complessi. Con il loro nuovo metodo di riferimento, i risultati rimanevano molto più vicini alla verità. Ad esempio, in una simulazione che coinvolgeva 100 qubit, il metodo standard produceva risultati significativamente errati, mentre il nuovo metodo correggeva il bias e forniva una rappresentazione molto più fedele del risultato atteso.

La chiave di questo miglioramento risiede nel modo in cui il team misura il rumore. Nell'approccio standard, un ricercatore potrebbe decidere di triplicare il rumore in un circuito ripetendo certe operazioni, assumendo che il tasso di errore sia triplicato. Il nuovo metodo aggiunge uno strato di verifica. Per ogni calcolo rumoroso, il computer esegue anche un circuito di "benchmark". Questo circuito di benchmark è una versione semplificata del problema originale che i ricercatori possono risolvere perfettamente su un computer normale. Poiché sanno esattamente quale dovrebbe essere la risposta, qualsiasi deviazione nell'output della macchina quantistica dice loro il preciso livello di errore che si sta verificando in quel momento. Hanno scoperto che il livello di errore misurato spesso non corrispondeva all'impostazione teorica. A volte la macchina era più rumorosa del previsto, altre volte era più silenziosa. Tracciando i risultati rispetto a questo errore effettivo misurato anziché all'impostazione teorica, la curva matematica utilizzata per indovinare il risultato privo di rumore è diventata molto più affidabile. Ciò ha permesso loro di estrarre risposte accurate da macchine troppo rumorose per fornirle altrimenti.

Il team ha anche esplorato come questo metodo gestisce diversi tipi di errori e strutture di circuito. Hanno scoperto che la profondità del circuito, ovvero il numero di passaggi necessari per completare un calcolo, era un fattore più critico nel determinare il successo rispetto al numero totale di qubit coinvolti. Anche per circuiti molto profondi che spingevano i limiti dell'attuale hardware, il nuovo metodo è riuscito a recuperare segnali utili dove il vecchio metodo falliva. Tuttavia, i ricercatori hanno notato che man mano che i circuiti diventavano estremamente profondi, i risultati iniziavano a mostrare maggiore variazione, un naturale compromesso quando si cerca di estrarre un segnale da un ambiente molto rumoroso. Nonostante ciò, il metodo ha costantemente superato la tecnica standard in tutte le applicazioni testate, dalle piccole ricerche a cinque qubit alle massicce simulazioni a cento qubit.

Questo lavoro dimostra che un cambiamento relativamente semplice nel modo in cui misuriamo e teniamo conto del rumore può migliorare significativamente l'affidabilità dei computer quantistici odierni. Il metodo non richiede nuovi hardware o aggiornamenti costosi; richiede semplicemente l'esecuzione di alcuni circuiti di test extra per calibrare il rumore in tempo reale. I ricercatori hanno dimostrato che questo approccio funziona su diversi tipi di macchine quantistiche, suggerendo che potrebbe diventare uno strumento standard per chiunque utilizzi questi dispositivi. Mentre l'hardware quantistico continua a migliorare e i tassi di errore diminuiscono lentamente, la capacità di misurare e correggere accuratamente il rumore diventerà ancora più preziosa. Per ora, questa tecnica offre un modo pratico per ottenere risposte migliori dalle macchine imperfette che abbiamo, colmando il divario tra il presente rumoroso e il futuro privo di errori del calcolo quantistico.

Sommerso dagli articoli nel tuo campo?

Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.

Prova Digest →