Quantum Error Mitigation at the pre-processing stage

技術要約：前処理段階における量子誤差緩和

問題提起
フォールトトレラント（耐故障性）量子コンピュータの実現は、量子誤り訂正（QEC）に必要な量子ビットのオーバーヘッドが非常に高いことから、依然として大きな課題となっている。その結果、現在のNISQ（Noisy Intermediate-Scale Quantum）デバイスは、中程度の深さの回路におけるノイズを抑制するために、量子誤差緩和（QEM）技術に依存している。標準的なQEMアプローチは通常、**後処理（ポストプロセッシング）**段階で動作し、回路の繰り返し実行と測定データの統計的解析（例：ゼロノイズ外挿法、確率的誤差キャンセル）を必要とする。これらの手法は効果的ではあるものの、高いサンプリング・オーバーヘッドを伴うか、あるいはノイズを含んだ状態を再構成するために情報完備な正定値演算子測定（IC-POVM）のような複雑なトモグラフィー戦略を必要とする。

著者らは、この緩和パラダイムを**前処理（プリプロセッシング）**段階へと移行させることを提案している。核心となる問題は、ノイズを含む量子状態 $E(\rho)$ における期待値が、理想的な無ノイズ状態 $\rho$ におけるターゲット観測量 $X$ の期待値と正確に一致するような「代理観測量（surrogate observable）」$Y$ を見つけることである。数学的には、$E^\dagger(Y) = X$（ここで $E^\dagger$ はノイズチャネルの随伴）を解くことが求められる。これはWatanabeらによって理論的に検討されているが、$Y$ の構築には指数関数的な数の項の追跡や大きな行列の逆行列計算が必要となるため、大規模なシステムに対しては計算量的に実行不可能であると判断されてきた。

手法
本論文では、テンソルネットワーク（TN）とパウリ・リンドブラッド（Pauli-Lindblad）ノイズモデルを用いて、代理観測量 $\hat{Y}$ を計算および実装するためのスケーラブルなフレームワークを導入している。

1. 理論的枠組み： 著者らは、ノイズを含む回路をユニタリ層とノイズチャネルの連結としてモデル化している。彼らは、ターゲット観測量 $X$ と代理観測量 $\hat{Y}$ の関係をパウリ転送行列（PTM）表現を用いて記述する。この解法には、随伴チャネル $E^\dagger$ の逆変換が含まれる。
2. テンソルネットワーク表現： 指数関数的な複雑さを扱うために、著者らは量子チャネルと観測量を行列積演算子（MPO）および行列積状態（MPS）を用いて表現している。彼らは、「ミドルアウト（middle-out）」型の収縮戦略を採用しており、回路の中心（ノイズを含む順方向の進化と、逆転させた理想的な進化が交わる点）から外側に向かって収縮させていく。
3. 圧縮： 計算の実行可能性を維持するため、逆チャネルを表すMPOは、各反復ごとにランダム化特異値分解（RSVD）を用いて固定されたボンド次元へと圧縮される。
4. 支配的成分近似（DCA）： ターゲット観測量が単一のパウリ文字列（$X = P_i$）である特定のケースにおいて、得られる代理観測量 $\hat{Y}$ は、逆行列収縮の対角要素によって支配されるという点が重要な知見である。非対角項は対角項に比べて無視できるほど小さい。したがって、著者らは $\hat{Y}$ を単なる元のパウリ演算子のスケーリング版、すなわち $\hat{Y} \approx [M^\dagger_L]^{-1}_{i,i} P_i$ として近似することを提案している。これにより、全パウリ成分の測定や複雑な確率的サンプリングの必要性が排除される。

主な貢献

• 前処理アプローチ： 本研究は、実用的なセットアップにおいて代理観測量 $\hat{Y}$ を見つけることが可能であることを示し、緩和のプロセスを後処理から測定段階へとシフトさせた。
• 最適性： 導出された推定器 $\hat{Y}$ は量子クラメール・ラオ境界（QCRB）を飽和させ、最小の分散を持つ最適な推定器を提供することが示されている。
• DCA近似： 支配的成分近似（DCA）の導入により、元の観測量を測定してその結果をスケーリングするだけで期待値を推定できるようになり、全トモグラフィーや確率的誤差キャンセルに伴う指数関数的な測定オーバーヘッドを回避できる。
• 計算効率： 本手法は、IC-POVMやテンソル誤差緩和（TEM）で必要とされる「デュアル演算子」の構築を不要にする。

結果
著者らは、10量子ビットの横磁場イジングモデルと疎なパウリ・リンドブラッド・ノイズを用い、提案手法を確率的誤差キャンセル（PEC）およびテンソル誤差緩和（TEM）と比較してベンチマークを行った。

• 精度： DCA法はTEMと同等の精度を達成しており、両手法とも理想値からの乖離点は同様の挙動を示す。しかし、特定の構成において、DCAは特定の回路深さにおいてTEMよりも低いバイアスを示す。
• サンプリング・オーバーヘッド： DCA法の測定オーバーヘッド（$\gamma$）は理論的下限に極めて近く、様々な回路深さにおいてTEMよりもわずかに優れた性能を示し、PECよりも大幅に優れた性能を示した。
• 計算複雑性： 最も重要な結果は、古典的な計算コストの削減である。TEMは（後処理フェーズにおける各回路実行に対して一つずつ）膨大な数のテンソル収縮を行う必要があるが、DCAはスケーリング係数を決定するために一度だけのテンソル収明を行うだけでよい。
  • 実践的なシミュレーションにおいて、著者らはTEMと比較して約$10^6$倍の高速化を報告している。20ステップの進化において、TEMの計算には10日間を要したが、提案手法は同一のハードウェア上で5秒未満で完了した。

意義と主張
本論文は、このアプローチがサンプリング・オーバーヘッドと古典的な計算負荷の両方を大幅に軽減することで、現在の量子ハードウェアを活用するための実行可能な経路を提供すると主張している。情報完備な測定や複雑な後処理を回避することで、高精度な誤差緩和をより身近なものにしている。

著者らは、QEMをQECに取って代わられる一時的な解決策ではなく、補完的な手法として位置づけている。彼らは、QECとQEMの統合が量子性能を向上させる有望な道筋であり、今回提案されたような新しい戦略がフォールトトレラントへの移行を加速させるために不可欠であると論じている。本研究は、ノイズの構造（疎なパウリ・リンドブラッド）とテンソルネットワークの効率性を活用することで、「困難」とされていた代理観測量の探索が、管理可能なリソースで解決可能であることを具体的に示している。