⚛️ quantum physics

Infinite Distance Extrapolation: How error mitigation can enhance quantum error correction

Dit paper introduceert een nieuwe benadering die Zero-Noise Extrapolation combineert met quantumfoutcorrectie door de code-afstand als ruisparameter te gebruiken, waardoor fouten in fault-tolerante berekeningen effectief kunnen worden gemitigeerd, zelfs voor niet-stabilisator-toestanden.

Oorspronkelijke auteurs: George Umbrarescu, Oscar Higgott, Dan E. Browne

Gepubliceerd 2026-03-13

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: George Umbrarescu, Oscar Higgott, Dan E. Browne

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

De Kern: Een Nieuwe Manier om Quantum Computers te "Repareren"

Stel je voor dat je een heel kwetsbaar, duur en complex uurwerk (een quantum computer) hebt. Dit uurwerk loopt niet perfect; de tandwielen trillen en de veer is soms te strak. Dit noemen we ruis of fouten.

Er zijn twee bekende manieren om dit op te lossen:

Foutcorrectie (QEC): Je bouwt een enorm, zwaar schild om het uurwerk heen. Als er een tandwiel uitvalt, nemen andere tandwielen het over. Dit werkt geweldig, maar je hebt ontzettend veel extra materiaal (kwantumbits) voor nodig. Dit is voor de toekomst, als we heel grote computers hebben.
Foutmitigatie (QEM): Je laat het uurwerk gewoon lopen, maar je neemt de tijd er honderden keren van op. Omdat de fouten soms linksom en soms rechtsom gaan, kun je door de resultaten slim te middelen een schatting maken van hoe het uurwerk zou lopen als het perfect was. Dit werkt nu al, maar is niet perfect.

Het probleem: We zitten nu in een "overgangsperiode". We hebben nog geen enorme quantum computers voor de zware schilden, maar we willen wel betere resultaten dan alleen maar middelen.

De oplossing van dit papier: De auteurs hebben een slimme mix bedacht. Ze noemen het "Infinite Distance Extrapolatie" (IDE).

De Creatieve Analogie: De "Onzichtbare Bril"

Stel je voor dat je door een wazige bril kijkt naar een schilderij. Je wilt weten hoe het schilderij eruitziet zonder de wazigheid.

De oude methode (ZNE): Je maakt de wazigheid erger (je smeer je bril nog meer in). Je kijkt door een heel wazige bril, dan een iets minder wazige, en dan een heel lichte. Vervolgens trek je een lijn door die beelden en zegt: "Als ik de wazigheid helemaal weglaat (0), ziet het schilderij er zo uit."
- Nadeel: Als je de wazigheid te erg maakt, zie je niets meer en is je schatting onbetrouwbaar.
De nieuwe methode (IDE) uit dit papier: In plaats van de bril erger te maken, veranderen we de grootte van het schilderij.
- Stel je voor dat je een klein schilderij hebt (een kleine quantum code). Dat ziet er erg wazig uit.
- Dan maak je het schilderij groter (een grotere code). De details worden scherper.
- Dan maak je het nog groter. Het wordt nog scherper.
- De auteurs zeggen: "Laten we kijken naar hoe het beeld scherper wordt naarmate het schilderij groter wordt. Als we die trend volgen, kunnen we voorspellen hoe het eruit zou zien als het schilderij oneindig groot zou zijn."

De magische gedachte: Een oneindig groot schilderij is zo gedetailleerd dat de wazigheid (de fouten) er geen invloed meer op heeft. Het is alsof je naar een perfect beeld kijkt.

Hoe werkt dit in de praktijk?

De auteurs gebruiken een specifiek type quantum code (het "oppervlakcode", een soort rasterpatroon van kwantumbits).

Ze draaien hetzelfde experiment op verschillende maten van dit raster (klein, medium, groot).
Ze meten hoe goed het resultaat is bij elke maat.
Ze gebruiken een wiskundige formule om de lijn te trekken die de resultaten verbindt.
Ze kijken waar die lijn uitkomt als het raster oneindig groot zou zijn. Dat is hun "perfecte" antwoord.

Waarom is dit zo slim?

Het werkt zelfs met "gebrekkige" startpunten: Vaak denken mensen dat dit alleen werkt met simpele, perfecte starttoestanden. De auteurs hebben bewezen dat het ook werkt met complexe, "rommelige" starttoestanden (zoals de |T⟩-toestand, die nodig is voor echte rekenkracht).
Het is robuust: Zelfs als sommige onderdelen van je computer slechter werken dan andere (zoals een gebroken tandwiel in het uurwerk), werkt de methode nog steeds goed. Ze hebben dit getest door de "ruis" op verschillende plekken in het systeem te laten variëren.
Besparing: Het grootste voordeel is dat je minder hardware nodig hebt.
- Vergelijking: Stel je wilt een heel scherp beeld. Normaal heb je daar een gigantisch scherm voor nodig (duizenden kwantumbits). Met deze methode kun je een beeld van bijna dezelfde kwaliteit krijgen met een veel kleiner scherm, door slim te rekenen met de resultaten van de kleinere schermen.
- Ze schatten dat je in de nabije toekomst tot 9 keer minder kwantumbits nodig hebt voor dezelfde kwaliteit.

Samenvatting in één zin

De auteurs hebben een slimme truc bedacht waarbij ze kijken hoe een quantum computer beter wordt naarmate je hem groter maakt, en ze gebruiken die trend om een "perfect" antwoord te voorspellen zonder dat je die enorme computer daadwerkelijk hoeft te bouwen.

Dit is een brug tussen de huidige, imperfecte quantum computers en de toekomstige, perfecte versies. Het is alsof je een wiskundig voorspelling doet over hoe perfect iets zou zijn, zodat je niet hoeft te wachten tot je het echt kunt bouwen.

1. Het Probleem

Quantumcomputers in het huidige NISQ-tijdperk (Noisy Intermediate-Scale Quantum) en het opkomende vroege fouttolerante (EFT) tijdperk worstelen met ruis en controleonvolkomenheden. Er zijn twee hoofdstrategieën om deze fouten aan te pakken:

Quantum Error Correction (QEC): Vereist een groot aantal fysische qubits en lage foutpercentages om logische fouten te onderdrukken. Dit is echter vaak nog niet haalbaar voor huidige apparaten.
Quantum Error Mitigation (QEM): Werkt in het NISQ-tijdperk door post-processing van meetresultaten om de bias te verminderen, maar verhoogt de variantie en vereist meer uitvoeringen.

De uitdaging is om deze twee benaderingen op een niet-triviale manier te combineren. Bestaande methoden gebruiken vaak QEM als een subroutines binnen QEC-experimenten of omgekeerd. Het artikel onderzoekt een nieuwe paradigma waarbij QEC wordt gebruikt als een subroutines binnen een QEM-raamwerk, specifiek door de Zero-Noise Extrapolation (ZNE) techniek aan te passen aan een QEC-context.

2. Methodologie: Oneindige Afstand Extrapolatie (IDE)

De kern van de methode is het conceptuele inzicht dat het verlagen van het fysische ruisniveau analoog is aan het vergroten van de code-afstand ( $d$ ) in een foutcorrigerende code.

Het Principe: In ZNE wordt ruis kunstmatig verhoogd en vervolgens geëxtrapoleerd naar nul ruis. In deze nieuwe methode (IDE) wordt de code-afstand $d$ gevarieerd. Omdat een grotere afstand leidt tot een lagere logische foutkans (LER), is het extrapoleren naar een oneindige afstand ( $d \to \infty$ ) equivalent aan het extrapoleren naar een ruisvrije situatie.
Implementatie:
- Er worden experimenten uitgevoerd met verschillende code-afstanden (bijv. $d=5, 7, 9, \dots$ ) op een rotatie-oppervlakcode (rotated surface code).
- De verwachtingswaarden (Expectation Values, EV) worden gemeten voor elke afstand.
- Een functie wordt gefit op deze data-punten om de waarde bij $d \to \infty$ te voorspellen.
Ansatz (Functievorm): Gebaseerd op de theoretische afleiding van logische foutkansen, wordt een exponentiële afname van de fout gebruikt. De auteurs gebruiken een dubbel-exponentiële vorm:
$y(d) = A + B_1 e^{-C_1 d} + B_2 e^{-C_2 d}$
Hierbij is $A$ de ruisvrije verwachtingswaarde (de doelstelling) en de exponentiële termen de fouten die verdwijnen naarmate $d$ toeneemt.
Omgaan met niet-stabilisator toestanden: Om niet-triviale verwachtingswaarden (niet alleen $\pm 1$ $\pm 1$ ) te simuleren met een efficiënte stabilisator-simulator, gebruiken de auteurs twee methoden:
1. Quantum Process Tomography (QPT): Om het effectieve logische ruis-kanaal te karakteriseren.
2. Stabilisator Decompositie: Het decomponeren van niet-stabilisator toestanden (zoals de $|T\rangle$ -toestand) in een som van stabilisator-toestanden (quasi-kans decompositie).

3. Belangrijkste Bijdragen

Paradigmaverschuiving: Het introduceren van QEC als een subroutines binnen een QEM-framework, waarbij de code-afstand fungeert als de "ruisparameter" voor extrapolatie.
Analytische onderbouwing: Het afleiden van een specifieke ansatz voor de logische foutkans die rekening houdt met verschillende foutmechanismen (bijv. X- en Z-fouten die verschillend schalen).
Uitgebreide Validatie: Het testen van de methode op een realistisch circuit-level ruismodel (SI1000) met een MWPM-decoder, inclusief niet-stabilisator input-toestanden en ruimtelijk inhomogene ruis.
Resource-efficiëntie: Het aantonen dat IDE significante besparingen kan opleveren in de benodigde fysische qubits en rekentijd.

4. Resultaten

De auteurs hebben de methode getest via uitgebreide numerieke simulaties:

Prestaties bij Stabilisator-toestanden: Voor de $|0\rangle$ -toestand (waar de verwachtingswaarde $\pm 1$ is) werkt de extrapolatie zeer goed, met een hoge $R^2$ -fit.
Prestaties bij Niet-Stabilisator-toestanden: Voor de $|T\rangle$ -toestand en andere toestanden in het XY-vlak (waar de verwachtingswaarde tussen -1 en 1 ligt) is de methode effectief, hoewel de variantie door de decompositie iets hoger is. De methode blijft robuust over een breed spectrum van input-toestanden.
Effectieve Afstand ( $d_{eff}$ ): De auteurs definiëren een "effectieve afstand" om de prestatie te kwantificeren. Ze tonen aan dat het gebruik van data tot een maximale afstand $d_{max}$ (bijv. $d=13$ ) resulteert in een nauwkeurigheid die overeenkomt met het uitvoeren van één enkel experiment op een veel grotere afstand (bijv. $d \approx 30$ of meer, afhankelijk van de ruis).
Robuustheid: De methode is robuust tegen ruimtelijke variaties in ruis (inhomogeniteit), wat cruciaal is voor realistische hardware. De kwaliteit van het resultaat wordt echter beperkt door het slechtst presterende element in de schakeling.
Vergelijking met Richardson: De specifieke LER-ansatz presteert beter dan de traditionele Richardson-extrapolatie, met foutreducties tot wel 3 ordes van grootte.
Foutreductie: In veel scenario's wordt de fout in de verwachtingswaarde met een factor 10 of meer gereduceerd ten opzichte van een enkel experiment op een hoge afstand.

5. Betekenis en Conclusie

De studie toont aan dat Infinite Distance Extrapolation (IDE) een krachtige techniek is om de prestaties van fouttolerante quantumcomputing te verbeteren, zelfs wanneer de fysieke foutkans onder de drempelwaarde ligt maar nog niet laag genoeg is voor perfecte foutcorrectie.

Resourcebesparing: IDE kan leiden tot een reductie in het aantal benodigde fysische qubits met een factor 3 tot 9 (afhankelijk van het ruisniveau) om dezelfde logische foutkans te bereiken. Dit betekent dat apparaten met minder qubits dezelfde rekenkracht kunnen leveren als grotere, duurdere apparaten.
Toepassingsgebied: De methode is vooral relevant voor het Early Fault-Tolerant (EFT) tijdperk, waar apparaten groot genoeg zijn voor kleine codes maar nog niet voor volledige, schaalbare algoritmen.
Praktische Implementatie: Omdat de experimenten voor verschillende afstanden parallel kunnen worden uitgevoerd op dezelfde chip (door meerdere "patches" van de code te gebruiken), is de methode goed toepasbaar op huidige en toekomstige hardware zonder fundamentele wijzigingen.

Kortom, dit papier biedt een brug tussen QEM en QEC, waardoor bestaande hardware efficiënter kan worden gebruikt om nauwkeurigere resultaten te behalen dan alleen met pure foutcorrectie of pure foutmitigatie mogelijk zou zijn.