Technische Samenvatting: Schaalbare Testen van Quantumfoutcorrectie

Probleemstelling

Het benchmarken van quantumfoutcorrectie (QEC) algoritmen is een cruciale stap naar fouttolerante quantumcomputing. De standaard aanpak houdt in dat de logische foutkans ($P_L$) wordt geschat door quantumcircuits te simuleren met geïnjecteerde fouten. Echter, naarmate QEC-codes schalen naar grotere afstanden ($d$) en lagere fysieke foutpercentages ($p$), worden logische fouten steeds zeldzamere gebeurtenissen.

De state-of-the-art tool, Stim, maakt gebruik van gerandomiseerde foutinjectie om QEC-implementaties te benchmarken. Hoewel Stim efficiënt is voor kleine afstanden (tot $d \approx 10$), schaalt Stim slecht voor grotere afstanden omdat het vertrouwt op Monte Carlo-sampling. Voor hoogwaardige QEC-algoritmen is de kans op een logische fout zo laag dat Stim een enorm aantal tests moet uitvoeren om statistische betrouwbaarheid te bereiken. In veel gevallen slaagt Stim er niet in om binnen redelijke tijdbudgetten (bijv. twee uur op een desktop) zelfs één enkele logische fout te observeren voor afstanden $d \ge 13$, waardoor het niet in staat is een schatting te geven. Dit creëert een bottleneck voor onderzoekers die de prestaties van QEC willen karakteriseren voor real-world toepassingen.

Methodologie: ScaLER

De auteurs stellen ScaLER (Scalable Logical Error Rate Testing) voor, een methode die gestratificeerde foutinjectie combineert met extrapolatie om de beperkingen van willekeurige sampling te overwinnen. Het kerninzicht is dat de "foutruimte" kan worden opgedeeld door het gewicht van de geïnjecteerde fouten (het aantal fouten), en dat hoog-gewicht monsters efficiënt kunnen worden gesampled om het gedrag van laag-gewicht monsters te voorspellen.

1. QEC-testgegevens modelleren als S-curves

De auteurs observeren dat de logische foutkans als functie van het foutgewicht ($P_L^w$) een S-curve vormt:

• Fouttolerante zone: Voor gewichten $w \le t$ (waarbij $t = \lfloor (d-1)/2 \rfloor$) is de logische foutkans exact nul.
• Transitiezone: Naarmate het gewicht boven $t$ stijgt, neemt de foutkans sterk toe.
• Verzadigingszone: Bij zeer hoge gewichten verzadert de foutkans bij 0,5 (gelijk aan een muntworp).

Het papier modelleert dit gedrag met een continue functie $f(w)$. Hoewel IBM's bestaande "Min-Fail Enclosure Model" de data past, stellen de auteurs dat dit model een gebrek aan precisie heeft nabij de fouttolerante drempel. Ze introduceren een nieuw S-curve model dat de fouttolerante drempel $t$ expliciet codeert door de functie te definiëren als nul voor $w \le t$ en een specifieke ansatz te gebruiken voor $w > t$:
$$f_t^{\text{ours}}[\mu, \alpha, \beta](w) = \begin{cases} 0 & w \le t \\ \frac{1}{2} \cdot \frac{1}{1 + e^{-\frac{w-\mu}{\alpha} + \frac{\beta}{\sqrt{w-t}}}} & w > t \end{cases}$$
Dit model wordt gefit aan datapunten die zijn verzameld uit specifieke gewichtssubruimten.

2. Gestratificeerde Sampling en Adaptieve Zoektocht

In plaats van uniform over alle gewichten te samplen, richt ScaLER zich op hoog-gewicht monsters waar logische fouten frequent voorkomen, om vervolgens terug te extrapoleren naar de kritieke laag-gewicht regio. Het algoritme werkt in drie stadia:

1. Binair Zoekstadium: Het algoritme zoekt naar twee grensgewichten:
   • $w_{err}$: Het laagste gewicht waarbij 1.000 monsters een logische fout opleveren (ongeveer $P_L^w \approx 0,001$).
   • $w_{sat}$: Het hoogste gewicht waarbij de logische foutkans $\le 0,25$ is.
2. Initieel Samplingstadium: Monsters worden verzameld in 5 subruimten die evenredig verdeeld zijn tussen $w_{err}$ en $w_{sat}$. Een Y-curve (log-getransformeerde S-curve) wordt op deze data gefit om een "sweet spot" ($w_{sweet}$) te schatten.
3. Iteratief Stadium: Het algoritme sampleert iteratief subruimten die bewegen van $w_{err}$ naar beneden richting $w_{sweet}$. Na elke subruimte wordt de Y-curve opnieuw gefit en wordt de schatting van $w_{sweet}$ bijgewerkt. Het proces stopt wanneer 5 subruimten zijn getest of het tijdbudget is uitgeput.

3. Schatting van de Logische Foutkans

Zodra de S-curve parameters ($\mu, \alpha, \beta$) zijn gefit, wordt de totale logische foutkans geschat door de som te nemen van het product van de gemodelleerde foutkans en de waarschijnlijkheid dat dat gewicht in het circuit voorkomt:
$$\hat{P}_L = \sum_{w=w_{min}}^{w_{max}} f_t^{\text{ours}}(w) \times \binom{n}{w} p^w (1-p)^{n-w}$$
waarbij $n$ het aantal locaties in het circuit is, en de sommatie de "kritieke regio" beslaat (typisch $[np - 5\sigma, np + 5\sigma]$).

Belangrijkste Bijdragen

1. ScaLER Tool: Een open-source tool (C++/Python) die gestratificeerde foutinjectie en S-curve fitting implementeert.
2. Nieuw S-curve Model: Een wiskundig model dat de fouttolerante drempel $t$ expliciet incorporeert, wat een betere extrapolatienauwkeurigheid biedt nabij de drempel vergeleken met bestaande modellen.
3. Adaptief Sampling Algoritme: Een methode (Algoritme 1) die dynamisch het optimale bereik van gewichten bepaalt om te samplen, waarbij een balans wordt gezocht tussen testkosten en nauwkeurigheid.
4. Demonstratie van Schaalbaarheid: Empirisch bewijs dat ScaLER in staat is om logische foutkansen voor afstanden tot $d=17$ te schatten binnen een tijdbudget van twee uur op een standaard desktop, een regime waarin Stim volledig faalt.

Resultaten

De auteurs evalueerden ScaLER tegenover Stim met behulp van Surface codes, Toric codes en Bivariate Bicycle (BB) codes met afstanden tot 17 en fysieke foutpercentages van $p=0,0005$ en $p=0,0001$.

• Schaalbaarheid (RQ1): Voor een Surface code met $d=17$ en $p=0,0005$ observeerde Stim nul logische fouten in twee uur. ScaLER schatte een logische foutkans van $1,51 \times 10^{-11}$ met een hoge mate van vertrouwen in dezelfde tijdspanne. ScaLER slaagde erin om schattingen te geven voor alle geteste configuraties waar Stim faalde.
• Overeenkomst (RQ2): In gevallen waar Stim grondwaarheid-schattingen kon genereren (doorgaans $d \le 10$), kwamen de schattingen van ScaLER overeen binnen een orde van grootte. Voor $d=3$ en $d=9$ was de relatieve fout lager dan 10%. Voor tussenliggende afstanden ($d=5, 7$) was de fout ongeveer 20–40%, wat de auteurs toeschrijven aan de selectie van de "sweet spot" hyperparameter ($\Gamma$). Het verhogen van $\Gamma$ verbetert de nauwkeurigheid ten koste van meer sampling.
• Modelvergelijking (RQ3): Het S-curve model van de auteurs presteerde beter dan dat van IBM bij het fitten van de data en het extrapoleren naar de kritieke regio. Varianten van hun model met verschillende exponenten ($s$) werden getest, waarbij $s=1/2$ (de wortelterm in de noemer) de hoogste nauwkeurigheid opleverde.

Betekenis en Claims

Het artikel claimt dat ScaLER een schaalbaar alternatief biedt voor gerandomiseerde foutinjectie voor het benchmarken van hoogwaardige QEC-algoritmen. Door de focus van het testen te verschuiven naar hoog-gewicht foutsubruimten en gebruik te maken van het voorspelbare S-curve gedrag van logische foutkansen, vermindert de methode de benodigde samplinginspanning drastisch om extreem lage logische foutkansen te schatten.

De auteurs benadrukken dat hun aanpak de karakterisering van QEC-circuits mogelijk maakt op schalen ($d=17$) en foutpercentages die relevant zijn voor toekomstige fouttolerante toepassingen (zoals het factoriseren van grote getallen), die momenteel ontoegankelijk zijn voor standaard Monte Carlo-tools zoals Stim. Ze erkennen dat de methode rust op de aanname dat QEC-testdata een S-curve volgt en dat de grondwaarheid voor zeer grote afstanden nog steeds ongrijpbaar is, maar ze demonstreren dat hun schattingen robuust zijn en consistent met benchmarks op lagere afstanden.