Benchmarking Error Mitigation: Artefactual Improvements in Zero-Noise Extrapolation

Technische Samenvatting: Benchmarking van Foutmitigatie: Artefactuele Verbeteringen in Zero-Noise Extrapolatie

Probleemstelling
Betrouwbare benchmarking van Quantum Error Mitigation (QEM) vereist het onderscheid tussen echte fysieke verbeteringen en mathematische artefacten die worden geïntroduceerd tijdens de post-processing. Het artikel richt zich op Richardson Zero-Noise Extrapolation (ZNE), een veelgebruikte techniek waarbij verwachtingswaarden bij verschillende ruisversterkingsniveaus ($\lambda_k$) worden gefit aan een polynoom om de zero-noise limiet ($\hat{E}(0)$) te schatten.

Het kernproblein dat wordt geïdentificeerd is een specifieke faalmodus: wanneer ruisversterking het gemeten signaal onder het bruikbare regime drijft (het naderen van de "vloer" van de observable, bijv. $f=0$ voor pariteit of $f=1/2^N$ voor waarschijnlijkheden), reflecteert de extrapolatie niet langer de onderliggende fysica. In plaats daarvan stort het samen tot een deterministische herschaling van een enkele ruizige meting ($E(\lambda_1)$). Dit creëert een "horoscoop-effect"—een schijnbare verbetering die onafhankelijk is van het werkelijke ruisversterkingsmechanisme en kan resulteren in onfysische overschotten (waarden die de ideale waarde overschrijden) of valse verbeteringen die niet te onderscheiden zijn van echte mitigatie zonder verdere diagnostiek.

Methodologie
De auteurs maken gebruik van een combinatie van theoretische afleiding, simulatie en empirische hardware-experimenten om deze faalmodus te karakteriseren en te valideren.

1. Theoretische Afleiding: Het artikel leidt een gesloten vorm karakterisering af (Vergelijking 2) die aantoont dat als verwachtingswaarden voor versterkte ruisniveaus ($k > 1$) instorten naar de vloer ($f$), de Richardson-schatting $\hat{E}(0)$ een lineaire functie wordt van enkel de eerste meting $E(\lambda_1)$ en de vloer $f$. Specifiek geldt $\hat{E}(0) = c_1 E(\lambda_1) + (1-c_1)f$. Aangezien $c_1 > 1$ voor standaard schaalfactoren (bijv. $\{1, 3, 5\}$), wordt een signaal nabij de vloer naar boven herschaald, wat een kunstmatige verbetering creëert.
2. Signaalbehoud-taxonomie: De auteurs definiëren drie regimes op basis van de relatie tussen het signaal en de observable-vloer:
   • Signaal Behouden (Signal Retained): Het signaal blijft ruim boven de vloer; extrapolatie is geldig.
   • Signaal Vervaagd (Signal Decayed): Het signaal nadert de vloer; herstel degradeert.
   • Signaal Vernietigd (Signal Destroyed): Het signaal stort in tot of onder de vloer; extrapolatie degradeert tot het beschreven artefact.
3. Garbage-Folding Negatieve Controle: Om het effect van signaalvernietiging te isoleren van het ruisversterkingsmechanisme, introduceren de auteurs een "garbage-folding" techniek. Dit houdt in dat er gate-sequenties worden ingevoegd die niet reduceren tot de identiteit (in tegen tegenstelling tot standaard folding), maar die wel overeenkomen met het aantal gates en de residuele foutmarge van echte folding. Dit maximaliseert de signaalvernietiging bij $\lambda > 1$ terwijl de computationele kosten identiek blijven.
4. Hardware Validatie: Experimenten werden uitgevoerd op de 54-qubit IQM Euro-Q-Exa machine met behulp van een 4-qubit Quantum Trotter Circuit (QTC) en een 6-qubit Grover circuit. De studie maakte gebruik van schaalfactoren $\{1, 3, 5\}$ en vergeleken echte folding met garbage folding en identity folding.
5. Zero-Cost Diagnostiek: De auteurs stellen een diagnostische controle voor gebaseerd op de per-basisstaat waarschijnlijkheidsverdeling. Aangezien Richardson-extrapolatie een lineaire combinatie van waarschijnlijkheden is, moet een geldige verdeling een niet-negatieve waarschijnlijkheid hebben voor alle toestanden. De auteurs definiëren een "negatieve-waarschijnlijkheidsgewicht" ($W_{neg}$) om schendingen van deze fysieke beperking te kwantificeren.

Belangrijkste Resultaten

• Empirische Instorting: Op de IQM Euro-Q-Exa hardware stortten de versterkte pariteitswaarden naarmate de circuitdiepte toenam in tot de vloer ($f=0$). Op dat punt ontkoppelde de Richardson-schatting $\hat{E}(0)$ van de ware ideale waarde en volgde deze de theoretische herschalingsvoorspelling ($\frac{15}{8}E(\lambda_1)$).
• Artefactuele Overshoot: In het regime van vernietigd signaal produceerde de methode een overshoot van 21% ten opzien van de ideale waarde ($\hat{E}=1.16$ vs $E_{ideal}=0.96$), ondanks dat het signaal effectief nul was.
• Superioriteit van Garbage-Folding: In simulaties en hardware-runs produceerde "garbage folding" (dat geen bruikbaar signaal draagt) grotere schijnbare verbeteringen dan echte folding. Bijvoorbeeld, op het Grover-circuit leverde garbage folding een herstelratio $\rho \approx 0.56$ op vergeleken met $0.44$ voor echte folding. In het regime van behouden signaal produceerde garbage folding extreme onfysische waarden ($\rho = 16$ en $125$).
• Effectiviteit van Diagnostiek: De negatieve-waarschijnlijkheidsgewicht ($W_{neg}$) onderscheidde succesvol tussen geldige en artefactuele regimes. Geldige folding resulteerde in $W_{neg} \approx 0.02\text{--}0.04$, terwijl garbage folding in het vernietigde regime resulteerde in $W_{neg} \approx 0.74$. De twee distributies overlapten niet (AUC = 1.0), waardoor $W_{neg}$ een robuuste, zero-cost indicator van het artefact is.

Belangrijkste Bijdragen

1. Gesloten Vorm Karakterisering: Een wiskundig bewijs dat aantoont dat Richardson ZNE degradeert naar deterministische herschaling wanneer $E(\lambda_{>1})$ de observable-vloer bereikt, waardoor de gerapporteerde verbetering betekenisloos wordt.
2. Signaalbehoud-taxonomie: Een raamwerk waarmee benchmarks hun operationele regime (behouden, vervaagd of vernietigd) kunnen bepalen met behulp van hun eigen per-$\lambda$ data.
3. Gelijkwaardige Negatieve Controle: De introductie van "garbage-folding" om aan te tonen dat grotere gerapporteerde verbeteringen uitsluitend door signaalvernietiging kunnen worden gegenereerd, wat bewijst dat de omvang van de verbetering geen bewijs is van correctheid.
4. Zero-Cost Diagnostiek en Checklist: Een praktische methode om artefacten te signaleren met behulp van bestaande data (per-state counts) via de $W_{neg}$ metriek, samen met een rapportage-checklist voor ZNE benchmarks.

Betekenis en Claims
Het artikel betoogt dat de geldigheid van veel empirische evaluaties in quantum computing wordt bedreigd door deze zelden overwogen faalmodus. De auteurs beweren dat:

• Het "horoscoop-effect" (artefactuele verbetering) verschillend is van de bekende slecht geconditioneerde staat veroorzaakt door nauw gescheiden schaalfactoren; het beïnvloedt zelfs variant-optimale schaalfactor-sets zoals $\{1, 3, 5\}$ zodra het signaal is vernietigd.
• Gerapporteerde verbeteringen in het regime van vernietigd signaal geen bewijs zijn van succesvolle mitigatie, maar een mathematisch artefact van de post-processing aritmetiek.
• Een geloofwaardige benchmark moet waarborgen dat verbeteringen toe te schrijven zijn aan het ruisversterkingsmechanisme in plaats van aan de extrapolatie-aritmetiek.
• De voorgestelde checklist (rapporteren van signaalbehoud-status, $W_{neg}$ en fysieke grenzen) de gemeenschap in staat stelt om te onderscheiden wat een ZNE-pipeline beweert te meten en wat het daadwerkelijk meet, zonder dat hiervoor extra computationele middelen nodig zijn.

De auteurs houden een bescheiden reikwijdte aan door te merken dat hoewel het hardware-bewijs momenteel beperkt is tot één apparaat en specifieke circuitfamilies, de theoretische afleiding enkel afhangt van algemene eigenschappen van lineaire extrapolatoren en observable-vloeren, wat suggereert dat de faalmodus generaliseerbaar is naar verschillende apparaten en circuitdieptes.