⚛️ quantum physics

GroverFigureOfMerit: An Agnostic Figure of Merit for Quantum Backend Characterization in the NISQ Era

Dit artikel stelt en valideert "GroverFigureOfMerit", een holistische, architectuuronafhankelijke metriek gebaseerd op het algoritme van Grover die de beperkingen van statische hardwareparameters overwint door de prestaties van quantum backends te evalueren via dynamische succeswaarschijnlijkheden, uniformiteit en lekstrafpunten over diverse NISQ-tijdperk aanbieders.

Oorspronkelijke auteurs: Tiago Restucha, Marcos Guillermo Lammers, Alejandro Fernández

Gepubliceerd 2026-07-10

📖 6 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Tiago Restucha, Marcos Guillermo Lammers, Alejandro Fernández

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

Stel je voor dat je de beste auto voor een roadtrip probeert te kiezen, maar elke fabrikant geeft je een andere, verwarrende lijst met specificaties. De één zegt: "Mijn motor heeft 99% efficiëntie!" Een ander roept: "Mijn banden gaan 50.000 mijl mee!" Maar ze vertellen je niet hoe de auto eigenlijk omgaat met een hobbelige weg, een steile heuvel of een plotselinge regenbui. Je blijft gissen welke auto je daadwerkelijk op je bestemming zal brengen zonder in de peil te raken.

Dit is precies het probleem waar quantum computerontwikkelaars vandaag de dag voor staan. We bevinden ons in het "NISQ-tijdperk" (Noisy Intermediate-Scale Quantum), een tijd waarin quantumcomputers wel bestaan, maar nog een beetje glitchy en rommelig zijn. Verschillende bedrijven zoals IBM, IonQ en Rigetti bouwen hun machines op totaal verschillende manieren. Ze spreken allemaal een andere taal en pronken met verschillende "statische" statistieken, zoals hoe lang een enkele qubit (een quantum bit) zijn gedachte kan vasthouden voordat hij het vergeet.

De auteurs van dit artikel betogen dat kijken naar deze statische statistieken is alsof je een marathonloper beoordeelt op basis van hoe snel hij zijn veters kan strikken. Dat mist het punt! Een hardloper kan geweldige schoenen hebben (lage foutmarges), maar over zijn eigen voeten struikelen wanneer de race ingewikkelder wordt. Het papier suggereert dat je, om echt te weten welke quantumcomputer de beste is, een echte race moet rennen.

De "Stress Test" Race: Grover's Algoritme

Om dit op te lossen, hebben het team een nieuwe manier uitgevonden om prestaties te meten, genaamd de GroverFigureOfMerit. Denk aan dit als een gestandaardiseerde "stress test" race. In plaats van naar onderdelen te kijken, laten ze een specifieke, lastige puzzel draaien, genaamd Grover's algoritme, op de computers.

Grover's algoritme is als een spelletje "Zoek de naald in de hooiberg". In een perfecte wereld kan een quantumcomputer de naald ongelooflijk snel vinden. Maar in de echte, ruisige wereld kan de hooiberg trillen, de naald glad kunnen zijn, en kan de computer in de war raken.

De auteurs hebben deze test ontworpen om te zien hoe goed een computer het hele proces afhandelt, inclusief:

De Ruis: De statische elektriciteit en glitches die tijdens de race optreden.
De Vertaling: Het werk dat de computer moet doen om de "hooiberg"-puzzel naar zijn eigen specifieke taal te vertalen (dit wordt transpilatie genoemd).
De Kaart: De fysieke lay-out van de bedrading van de computer (topologie). Sommige computers hebben qubits die niet direct met elkaar kunnen communiceren, waardoor ze berichten via buren moeten doorgeven, wat het proces vertraagt.

Hoe de Score Werkt

Nadat de race 2.000 keer is gelopen (genoemd "shots"), geeft het systeem de computer een score. Het gaat niet alleen om het vinden van de naald; het gaat erom hoe hij het vond.

Vond hij het juiste antwoord? (Goed!)
Vond hij ook de verkeerde antwoorden? (Slecht! Dat is "leakage" of lekkage.)
Vond hij het juiste antwoord elke keer, of was hij soms gelukkig en soms ongelukkig? (Slecht! Dat is "non-uniformity" of niet-uniformiteit.)

De definitieve score is één getal dat al deze factoren combineert. Als de computer ruisig is of vastloopt tijdens het vertalen van de puzzel, daalt de score. Als hij schoon en efficiënt is, blijft de score hoog.

Het Grote Experiment: Het Simuleren van de Werkelijkheid

Het team heeft niet alleen gegokt; ze hebben deze test uitgevoerd op een framework genaamd Qonscious. Dit is als een universele afstandsbediening waarmee je dezelfde race kunt draaien op elk merk quantumcomputer zonder de code te veranderen.

Ze hebben deze test getest op negen verschillende aanbieders (hoewel ze zich concentreerden op gedetailleerde resultaten van simulators gebaseerd op echte hardware van IBM en IonQ). Ze hebben de test uitgevoerd op twee maten van "hooibergen":

Een kleine met 8 items (met 3 qubits).
Een grotere met 32 items (met 5 qubits).

Wat ze vonden:

De Ideale Simulators: Wanneer ze de test draaiden op een perfecte, ruisvrije computersimulatie, was de score bijna perfect (rond de 0,960 voor de kleine hooiberg en 0,999 voor de grotere). Dit laat zien dat de test werkt zoals verwacht wanneer er geen glitches zijn.
De IBM-modellen: Wanneer ze de test draaiden op ruismodellen afgeleid van echte IBM-processors, daalden de scores aanzienlijk. Voor de 32-items hooiberg stortten de IBM-modellen in tot een score van ongeveer 0,040. Dit is nagenoeg hetzelfde als willekeurig raden! Het artikel legt uit dat dit komt omdat de IBM-computers extra hard moesten werken om verre qubits met elkaar te verbinden, wat een "filevorming" van fouten creëerde.
Het IonQ-model: De IonQ Aria 1 deed het veel beter. Het hield de score hoog en stortte niet in zoals de IBM-modellen. Dit suggereert dat, voor dit specifieke type puzzel, de architectuur van IonQ veerkrachtiger is tegen ruis.

Wat Dit Betekent (en Wat Het Niet Betekent)

Het artikel maakt duidelijk dat dit geen wondermiddel is dat alle quantumproblemen oplost. De auteurs stellen expliciet dat ze niet proberen te bewijzen dat Grover's algoritme de beste manier is om huidige real-world zoekproblemen op te lossen. Sterker nog, ze geven toe dat Grover's algoritme op de huidige ruisige hardware misschien nog niet bruikbaar is voor werkelijke taken.

In plaats daarvan gebruiken ze Grover's algoritme puur als een instrument om de hardware te meten. Het is als het gebruik van een crashtestpop bij een auto-ongeluk: niet om te zien of de auto veilig is voor passagiers, maar om te zien hoe het chassis standhoudt tijdens een botsing.

De resultaten zijn gebaseerd op simulaties met ruismodellen afgeleid van echte hardware, en niet op het uitvoeren van de test op live, fysieke quantumcomputers in de cloud (hoewel de auteurs zeggen dat testen op echte machines de "natuurlijke volgende stap" is).

De Kernboodschap

De belangrijkste bevinding is dat deze nieuwe "GroverFigureOfMerit"-score erin slaagt om het verschil tussen quantumcomputers aan te tonen, zelfs wanneer ze op totaal verschillende manieren zijn gebouwd. Het vangt de rommelige realiteit van ruis, vertaalfouten en de fysieke lay-out in één enkel, gemakkelijk te vergelijken getal.

Het artikel suggereert dat deze aanpak ontwikkelaars helpt om te stoppen met gissen op basis van verwarrende specificatiebladen en te beginnen met het maken van geïnformeerde keuzes over welke quantumcomputer ze voor hun specifieke behoeften moeten gebruiken. De auteurs waarschuwen echter dat de "vertalingsstap" (transpilatie) momenteel een enorme flessenhals is, die zoveel extra werk veroorzaakt dat het de prestaties van sommige machines ruïneert. Ze hopen dat intelligentere software in de toekomst dit kan oplossen, zodat de "race" eerlijk is voor iedereen.

Kortom, het paper stelt een nieuwe, eerlijke manier voor om quantumcomputers te beoordelen door ze een specifieke, lastige puzzel te laten oplossen, en vroege simulaties laten zien dat deze test kan herkennen welke machines daadwerkelijk klaar zijn voor de grote competities en welke nog steeds over hun eigen veters struikelen.

Technische Samenvatting: GroverFigureOfMerit voor Karakterisering van Quantum Backends

Probleemstelling

Het NISQ-tijdperk (Noisy Intermediate-Scale Quantum) vormt een aanzienlijke uitdaging voor ontwikkelaars die de juiste quantumhardware willen selecteren. Huidige leveranciers van quantumhardware presenteren hun capaciteiten via heterogene interfaces en propriëtaire metrieken (bijv. coherentietijden $T_1/T_2$ , gate-foutpercentages) die sterk variëren tussen architecturen (supergeleidend, gevangen-ion, fotonisch, etc.). Deze statische metrieken lijden onder drie primaire beperkingen:

Beperkt Voorspellend Vermogen: Ze houden geen rekening met de impact van het transpilatieproces, waarbij hoog-niveau circuits worden gedecomposeerd in native gates, wat vaak resulteert in fysieke dieptes die aanzienlijk groter zijn dan de oorspronkelijke logische diepte.
Gebrek aan Contextuele Relevantie: Statische metrieken vatten het specifieke gedrag van algoritmen niet samen, waarbij ze negeren hoe gate-interacties, rusttijden (idle times) en topologie de uiteindelijke resultaten beïnvloeden.
Temporele Variabiliteit: Eigenschappen van hardware fluctueren door omgevingsfactoren, waardoor statische momentopnames snel hun geldigheid verliezen.

Als gevolg hiervan is er behoefte aan een backend-agnostische Figure of Merit (FoM) die de holistische prestaties van quantum backends evalueert door de gecombineerde effecten van ruis, transpilatie en topologische beperkingen vast te leggen.

Methodologie

De auteurs stellen de GroverFigureOfMerit voor, een algoritmische stress-test gebaseerd op het Grover-zoekalgoritme. De methodologie wordt geïmplementeerd met behulp van het Qonscious framework, een open-source platform ontworpen voor resource-bewuste conditionele executie.

1. Implementatieplatform (Qonscious):
Het framework maakt gebruik van Polymorphic Adapters (BackendAdapters) om de verschillen in SDK's en API's tussen providers (bijv. IBM, IonQ) te abstraheren. Dit maakt het mogelijk om hetzelfde logische circuit te transpileren en uit te voeren op elke ondersteunde backend zonder de FoM-code aan te passen. De executievolgorde is conditioneel, waardoor het FoM-resultaat kan dienen als input voor een beslissingsfunctie voor runtime-optimalisatie.

2. Ontwerp van de Metriek:
De GroverFigureOfMerit past de scorefunctie van de GRADE-aanpak (Manor et al., 2025) aan voor de Qonscious-architectuur. De metriek evalueert de prestaties van het Grover-algoritme, dat de waarschijnlijkheid van doeltoestanden kwadratisch versterkt. De score wordt berekend na $S=2000$ shots en incorporeert:

Cumulatieve Relatieve Frequentie op Doeltoestanden ( $P_T$ ): De som van de waarschijnlijkheden voor gemarkeerde toestanden.
Waarschijnlijkheid op Niet-Doeltoestanden ( $P_N$ ): De waarschijnlijkheidsmassa die lekt naar niet-gemarkeerde toestanden.
Standaarddeviatie onder Doeltoestanden ( $\sigma_T$ ): Een maatstaf voor uniformiteit om coherente fouten te bestraffen waarbij één doeltoestand aanzienlijk meer wordt versterkt dan andere.

De definitieve score wordt gedefinieerd als:
$\text{Score} = \max(0, P_T - \lambda \cdot \sigma_T - \mu \cdot P_N)$
Waarbij $\lambda$ en $\mu$ balancerende factoren zijn (doorgaans ingesteld op 1) die respectievelijk niet-uniformiteit en waarschijnlijkheidslekkage bestraffen. Als de lekkage-straf de doelwaarschijnlijkheid overstijgt, is de score nul.

3. Experimentele Opzet:
Om de metriek te valideren zonder afhankelijk te zijn van de beschikbaarheid van echte cloud QPU's, gebruikten de auteurs ruismodellen afgeleid van echte processoren:

IBM Fake Providers: Modellen die de topologie en foutprofielen van specifieke IBM-processors behouden.
IonQ Aria 1 Model: Een ruismodel voor de IonQ Aria 1-architectuur.
Ideale Simulatoren: AerSimulator en IonQ Simulator voor basisvergelijking.

Experimenten varieerden de grootte van de zoekruimte ( $N$ ) en het aantal doeltoestanden ( $M$ ) om de gevoeligheid voor circuitdiepte en ruisaccumulatie te testen.

Belangrijkste Resultaten

De experimenten toonden aan dat de GroverFigureOfMerit gevoelig is voor ruis, topologie en transpilatie-overhead:

Kleine Schaal ( $N=8, n=3$ ): Ideale simulatoren bereikten een perfecte score van 1.0 bij het optimale iteratieaantal ( $M=2$ ). Ruismodellen (IBM Fake Providers) vertoonden gedegradeerde scores (variërend van 0.495 tot 0.792). Bij de algoritmische limiet ( $M=4$ ) stortten de scores van alle ruisige hardware in richting 0.5, wat de klassieke willekeurige gok reflecteert.
Middelgrote Schaal ( $N=32, n=5$ ): Een ernstiger degradatie werd waargenomen. Terwijl ideale simulatoren een hoge getrouwheid (fidelity) behielden, stortten de IBM-modellen volledig in door decoherentie, waarbij de scores daalden naar de kansen van klassiek willekeurig gokken ( $\approx 0.25$ ). In contrast hiermee toonde het IonQ Aria 1-model een superieure veerkracht, waarbij scores aanzienlijk boven de willekeurige limiet bleven.
Schaalbaarheid ( $N=8$ tot $N=128$ ): Naarmate de zoekruimte schaalde, vertoonden IBM-processors een scherpe daling in scores (bijv. een instorting naar $\approx 0.040$ bij $N=32$ ). Deze degradatie kon niet alleen worden toegeschreven aan statische gate-fouten, maar specif-lijk aan de topologische kosten van het decomponeren van multi-controlled gates (mcx) om verre qubits te verbinden, wat de circuitdiepte drastisch verhoogde.

Betekenis en Claims

Het artikel beweert dat de GroverFigureOfMerit een verenigde en vergelijkbare score biedt over fysiek verschillende hardware-architecturen heen. De primaire betekenis ligt in:

Agnostische Karakterisering: Het maakt directe vergelijking van heterogene backends mogelijk door propriëtaire API-aanroepen en native gate-sets te abstraheren.
Holistische Evaluatie: In tegenstelling tot statische metrieken legt het de end-to-end prestaties vast, inclusief de cumulatieve effecten van transpilatie, ruis en topologische beperkingen.
Resource Optimalisatie: Door integratie met Qonscious kan de metriek executie conditioneel triggeren of annuleren, wat potentieel de kosten in cloud quantum computing-omgevingen vermindert.

De auteurs stellen expliciet dat de keuze voor het Grover-algoritme strikt is gebaseerd op het nut ervan als een "stress test" om routingcapaciteiten en coherentie te evalueren, en niet om algoritmisch voordeel aan te tonen op de huidige ruisige hardware. Het artikel identificeert validatie op echte fysieke processoren als de noodzakelijke volgende stap om dynamische fenomenen zoals crosstalk en thermische fluctuaties te vangen die ruismodellen mogelijk niet volledig representeren. Bovendien wijzen de auteurs op de huidige ecosysteem-bottleneck: de hoge kosten van transpilatie wanneer complexe gate-decompositie wordt gedelegeerd aan provider-specifieke compilers, wat duidt op een behoefte aan slimmere abstracties of intermediaire representaties om de topologische overhead te mitigeren.