Improving Zero-noise Extrapolation for Quantum-gate Error Mitigation using a Noise-aware Folding Method

Dit artikel introduceert een noise-aware folding-methode die Zero-Noise Extrapolatie verbetert door gebruik te maken van hardware-specifieke kalibratiegegevens, wat resulteert in aanzienlijk hogere nauwkeurigheid op zowel simulatoren als echte supergeleidende quantumcomputers.

De kern

Hier is een uitleg van het onderzoek in eenvoudig Nederlands, met behulp van creatieve analogieën.

De Kern van het Probleem: Een Onvolmaakte Koffiezetapparaat

Stel je voor dat je een zeer complexe koffiezetapparaat hebt (een kwantumcomputer) dat de perfecte kop koffie moet zetten. Helaas is dit apparaat nog niet perfect; het is een beetje slijmerig, de leidingen zijn oud en soms glijdt er een schroefje los. In de wereld van de wetenschap noemen we dit ruis of fouten.

Omdat we nog niet genoeg van deze perfecte machines hebben om alle fouten volledig te repareren (dat komt pas in de toekomst), moeten we slimme trucs gebruiken om toch een goede kop koffie te krijgen, ondanks de defecten. Deze trucs noemen we Foutmitigatie.

De Oude Methode: "Meer van hetzelfde"

Een populaire truc die wetenschappers al gebruikten heet Zero-Noise Extrapolatie (ZNE).
De logica was als volgt:

1. Je zet je koffie (voert je berekening uit).
2. Je doet er expres extra water of extra druk bij om de machine nog meer te laten slijpen (je verhoogt de ruis).
3. Je doet dit een paar keer met verschillende hoeveelheden extra slijtage.
4. Vervolgens trek je een lijn door je resultaten en kijkt je: "Als we helemaal geen slijtage hadden gehad, hoe zou de koffie er dan uitzien?"

Het probleem met de oude methode:
De wetenschappers deden dit alsof de hele koffiezetapparaat even oud en even slecht was. Ze dachten: "Als ik de machine 2x harder laat werken, slijt alles precies even hard."
Maar in werkelijkheid is dat niet zo. De leiding bij de koffiepot is misschien al erg versleten, terwijl de leiding bij de melk nog nieuw is. Als je de machine harder laat werken, gaat de oude leiding eerst lekken, terwijl de nieuwe nog prima doet. De oude methode negeerde deze verschillen, wat leidde tot een onjuiste voorspelling van de "perfecte" koffie.

De Nieuwe Oplossing: De "Slimme Koffiezetter"

De auteurs van dit paper (van de Pukyong National Universiteit in Zuid-Korea) hebben een nieuwe methode bedacht: Noise-aware Folding (Ruis-bewuste vouwen).

In plaats van de hele machine willekeurig harder te laten werken, kijken ze eerst naar de kalibratiegegevens. Dit is als een onderhoudsboekje van de koffiezetapparaat dat precies aangeeft welke leidingen al lekken en welke nog goed zijn.

Hoe werkt hun truc?

1. De Scan: Ze kijken eerst naar de specifieke hardware. Ze weten precies welke "kabeltjes" (qubits) in de computer al veel fouten maken en welke nog schoon zijn.
2. De Aanpassing: Als ze de ruis willen verhogen (voor hun extrapolatie), doen ze dit niet gelijkmatig.
   • Bij de oude, slechte leidingen voegen ze weinig extra druk toe, want die gaan al lekken.
   • Bij de nieuwe, sterke leidingen voegen ze meer extra druk toe, zodat ze evenveel slijtage ervaren als de oude.
3. Het Resultaat: Ze creëren een evenwicht. Ze zorgen dat de "slijtage" over de hele machine eerlijk verdeeld wordt, in plaats van dat één deel kapot gaat terwijl het andere nog intact is.

De Analogie: De Marathonlopers

Stel je voor dat je een team van marathonlopers hebt (de kwantumgaten) die een race moeten lopen.

• Oude methode: Je zegt tegen iedereen: "Loop allemaal 10% sneller!" De oude, geblesseerde loper valt dan direct om, terwijl de jonge, sterke loper het nog prima trekt. Je kunt hun prestaties niet eerlijk vergelijken om te voorspellen hoe ze zouden doen als ze niet moe waren.
• Nieuwe methode (Noise-aware): Je kijkt naar elke loper. De geblesseerde loper krijgt een lichte extra last (een klein rugzakje). De sterke loper krijgt een zware last. Zo lopen ze allemaal even zwaar, en kun je hun echte capaciteit veel beter voorspellen.

Wat hebben ze bewezen?

De onderzoekers hebben hun nieuwe methode getest op:

1. Simulatoren: Digitale modellen van kwantumcomputers.
2. Echte machines: Een echte IBM-kwantumcomputer (de ibmq mumbai).

De resultaten:

• Op de simulaties verbeterde hun methode de nauwkeurigheid met 35%.
• Op de echte machine was de verbetering 31%.

Dat is als het verschil tussen een wazige foto en een haarscherpe foto. Hun methode zorgt ervoor dat de uitkomst van de kwantumcomputer veel dichter bij de "waarheid" ligt, zelfs als de machine zelf nog niet perfect is.

Conclusie

Dit onderzoek is een belangrijke stap in de richting van betrouwbare kwantumcomputers. In plaats van te doen alsof alle onderdelen van de computer even goed werken, kijken ze naar de werkelijkheid. Ze gebruiken de kennis over de zwakke plekken om de berekeningen slimmer te maken.

Het is alsof je niet probeert een oud huis te repareren door alles tegelijk te schilderen, maar eerst kijkt waar de muren het meest beschadigd zijn en daar extra aandacht aan besteedt. Zo krijg je een veel mooier eindresultaat.

Technische samenvatting

Hier is een gedetailleerde technische samenvatting van het artikel "Improving Zero-noise Extrapolation for Quantum-gate Error Mitigation using a Noise-aware Folding Method" in het Nederlands.

Probleemstelling

Hoewel quantumcomputers recentelijk zijn doorgebroken met processoren van meer dan 1000 qubits, zijn de huidige hardware-beperkingen nog steeds te groot voor effectieve Quantum Error Correction (QEC). Daarom is men aangewezen op Quantum Error Mitigation (QEM) om de nauwkeurigheid van resultaten te verbeteren.

Een veelgebruikte QEM-techniek is Zero-Noise Extrapolation (ZNE). Bij ZNE wordt de ruis in een quantumcircuit kunstmatig verhoogd (bijvoorbeeld door poorten te "vouwen" of te verlengen) en worden de resultaten vervolgens geëxtrapoleerd naar een ruisvrije toestand ($\lambda = 0$).

De kernproblemen met bestaande ZNE-methoden (zoals "fold from left" of "random folding") zijn:

1. Uniforme aanname: Traditionele methoden gaan ervan uit dat ruis uniform over het circuit wordt verdeeld. Ze vouwen poorten een vast aantal keren of willekeurig, zonder rekening te houden met de specifieke ruiskenmerken van de onderliggende hardware.
2. Ruisdisbalans: In realiteit variëren de foutpercentages per fysisch qubit en per poorttype aanzienlijk. Het uniform toepassen van vouwtechnieken leidt tot een onbalans in de ruisaccumulatie, wat kan resulteren in vertekende (biased) extrapolatie-resultaten en een verminderde nauwkeurigheid.

Methodologie: Noise-Aware Folding

De auteurs introduceren een nieuwe ruisbewuste vouwtechniek (Noise-aware Folding) die de ruisverdeling optimaliseert door gebruik te maken van kalibratiegegevens van de target-hardware. De methode bestaat uit de volgende stappen:

1. Ruisadaptieve Compilatie:

   • Het logische circuit wordt eerst gemapt naar de fysische qubits van de target-hardware (bijv. IBM Quantum).
   • Hierbij wordt gebruikgemaakt van een compilatiestrategie die qubits met lage foutpercentages en korte afstanden prefereert om de noodzaak voor SWAP-poorten te minimaliseren.

2. Ruisaccumulatie en Matrixopbouw:

   • De auteurs bouwen een foutrate-matrix op die de cumulatieve ruis voor elke koppeling van qubits (voornamelijk 2-qubit poorten zoals CNOT) in het circuit weergeeft.
   • Deze matrix is gebaseerd op de kalibratiegegevens van de hardware (beschikbaar via IBM Qiskit).

3. Dynamische Vouwstrategie:

   • In plaats van een vast aantal vouwen toe te passen, wordt de schalingsfactor $\lambda$ gebruikt als een drempelwaarde voor de foutrate.
   • Voor elke qubit-paar in het circuit wordt berekend hoeveel extra "identity folds" ($U^\dagger U$) nodig zijn om de cumulatieve foutrate van dat specifieke paar te laten stijgen tot een berekende drempelwaarde ($\epsilon_{max}$).
   • De formule voor de drempel is: $\epsilon_{max} = (\epsilon_{circuit} + \epsilon_{\lambda}) / \gamma$, waarbij $\epsilon_{\lambda}$ de geschaalde foutrate is en $\gamma$ een aanpasbare coëfficiënt (in het experiment ingesteld op 2).
   • Hierdoor worden poorten op qubits met hogere inherente fouten minder vaak gevouwen dan op zeer stabiele qubits, om een evenwichtige ruisverdeling te bereiken.

4. Extrapolatie:

   • Na het genereren van circuits met verschillende ruisniveaus ($\lambda$), wordt een lineaire extrapolatie toegepast om de waarde bij $\lambda = 0$ te schatten.

Belangrijkste Bijdragen

• Ruisbewuste Vouwtechniek: Een nieuwe methode die hardware-specifieke kalibratiegegevens gebruikt om ruis strategisch te herverdelen in plaats van willekeurig of uniform.
• Integratie met Compilatie: Naadloze integratie met ruisadaptieve compilatie, wat zorgt voor een robuustere basis voor de foutmitigatie.
• Empirische Validatie: Uitgebreide experimenten uitgevoerd op zowel volledige ruismodellen (simulatie) als echte quantumcomputers (IBM Quantum), met vergelijking tegen bestaande methoden.

Resultaten

De auteurs hebben hun methode getest op benchmark-circuits (zoals een volledig verstrengeld circuit en het Bernstein-Vazirani algoritme) op simulatoren (IBM Mumbai en Cairo modellen) en op de echte ibmq_mumbai quantumcomputer.

• Verbetering in Fideliteit:
  • Op simulatoren werd een verbetering van 35% behaald ten opzichte van bestaande vouwmethodes (fold from left, random folding).
  • Op echte quantumcomputers werd een verbetering van 31% behaald.
• Betrouwbaarheid: De noise-aware methode toonde een consistentere en nauwkeurigere extrapolatie naar de ruisvrije waarde, vooral bij toenemend aantal qubits. Bestaande methoden vertoonden vaak een onregelmatige daling van de verwachtingswaarde, wat de extrapolatie onbetrouwbaar maakte.
• Beperkingen: Bij zeer grote circuits (boven de 22 qubits op de echte hardware) en hoge schalingsfactoren, daalde de verwachtingswaarde naar nul, wat de extrapolatie onmogelijk maakte. Dit wijst op de uitdagingen van het schalen naar grotere circuits in de huidige NISQ-ère.

Betekenis en Conclusie

Dit onderzoek toont aan dat het negeren van de heterogene ruiskenmerken van quantumhardware een significant nadeel is voor bestaande error-mitigatie technieken. Door de vouwstrategie aan te passen aan de daadwerkelijke ruis van de hardware, kan de nauwkeurigheid van quantumberekeningen aanzienlijk worden verbeterd zonder de noodzaak voor volledige foutcorrectie.

De studie benadrukt dat hardware-bewustzijn essentieel is voor de volgende stap in quantumerror-mitigatie. Hoewel de methode nog uitdagingen kent bij het schalen naar zeer grote circuits, biedt het een veelbelovende route om de bruikbaarheid van huidige quantumcomputers voor praktische toepassingen te vergroten. De auteurs suggereren ook dat deze technieken in de toekomst kunnen worden gecombineerd met Quantum Error Correction codes voor een hybride aanpak.