Quantum Noise Mitigation with Adaptive Zero-Noise Extrapolation: A Contextual Multi-Armed Bandits Approach

Stel je voor dat je het perfecte gebak probeert te bakken, maar je oven is een beetje defect. Soms staat hij te heet, soms te koud, en de temperatuur verandert voortdurend tijdens het bakken. In de wereld van quantum computing worden deze "ovens" quantumprocessors genoemd, en de "defecten" staan bekend als ruis. Deze ruis komt door minuscule trillingen, warmte en elektromagnetische interferentie die de delicate berekeningen die quantumcomputers proberen te maken, verstoren. Wetenschappers werken momenteel met machines die krachtig maar nog steeds erg ruisgevoelig zijn, een fase die "Noisy Intermediate-Scale Quantum" (of NISQ) wordt genoemd. Om bruikbare resultaten te krijgen, gebruiken onderzoekers een truc genaamd "foutmitigatie", wat lijkt op proberen te raden hoe een gebakje zou smaken als de oven perfect zou zijn, ook al kun je het alleen bakken in de defecte oven. Een populaire methode, genaamd Zero-Noise Extrapolation (ZNE), werkt door de ruis opzettelijk erger te maken (zoals de oven op maximaal zetten) en vervolgens wiskundig te raden wat het resultaat zou zijn als de ruis nul was. Echter, er is een addertje onder het gras: de meeste mensen gebruiken een vast recept voor hoeveel ze de ruis verhogen, uitgaande van de aanname dat de oven zich elke keer hetzelfde gedraagt. Maar in werkelijkheid zijn quantumovens onvoorspelbaar; hun "defecten" veranderen van moment tot moment.

Dit artikel introduceert een slimme nieuwe manier om met deze onvoorspelbare ovens om te gaan. In plaats van een rigide, vooraf ingesteld recept te gebruiken, stellen de auteurs een systeem voor dat werkt als een slimme, adaptieve chef. Ze combineren de ruisversterkende truc (ZNE) met een besluitvormingsstrategie genaamd "Contextual Multi-Armed Bandits". Denk hierbij aan een gokkast waarbij elke hendel (of "arm") een verschillende manier vertegenwoordigt om de ruis te versterken. Een slimme speler trekt niet zomaar willekeurig aan de hendels; hij kijkt naar de huidige situatie (de "context", zoals hoe diep het gebak is of hoe heet de oven op dit moment aanvoelt) en kiest de hendel die het beste resultaat geeft met de minste inspanning. Het artikel suggereert dat door een computer te laten leren welke ruisversterkingsstrategie het beste werkt in real-time, we nauwkeurigere resultaten kunnen krijgen terwijl we minder tijd en geld verspillen aan onnodige bakpogingen.

Het Probleem: De Defecte Quantumoven

Quantumcomputers zijn geweldig omdat ze bepaalde problemen veel sneller kunnen oplossen dan gewone computers. Maar op dit moment zijn ze als een high-tech keuken waar de ingrediënten voortdurend van smaak veranderen voordat je ze kunt meten. Dit komt door "ruis"—ongewenste interferentie uit de omgeving die de berekening verpest. Als je een complex programma (een Variational Quantum Circuit, of VQC genoemd) op deze machines probeert uit te voeren, maakt de ruis het antwoord fout.

Om dit op te lossen, gebruiken wetenschappers een techniek genaamd Zero-Noise Extrapolation (ZNE). Stel je voor dat je wilt weten hoe een gebakje smaakt zonder suiker, maar je kunt alleen gebakjes proeven met suiker. Je bakt er een met een beetje suiker, een met dubbele suiker, en een met drievoudige suiker. Vervolgens proef je ze en trek je een lijn door de punten om te raden hoe het gebakje zonder suiker zou smaken. In quantumtermen maak je de ruis opzettelijk "erger" door delen van het circuit te herhalen (een proces genaamd "folding") en raadt vervolgens wiskundig wat het resultaat zou zijn met nul ruis.

Het probleem is dat de meeste mensen een vast plan volgen. Ze beslissen: "Ik zal altijd testen met 1x, 3x en 5x ruis," ongeacht wat de computer doet. Maar echte quantumcomputers zijn rommelig. De ruis verandert in de loop van de tijd door temperatuurschommelingen of kalibratiedrift. Een vast plan kan de ene minuut geweldig werken en de volgende minuut nutteloos zijn, wat leidt tot verspilling van tijd en geld door steeds opnieuw dezelfde circuit uit te voeren.

De Oplossing: De Slimme, Adaptieve Chef

De auteurs van dit artikel stellen een nieuwe aanpak voor genaamd CMAB-ZNE. Ze behandelen de keuze van hoeveel de ruis moet worden versterkt als een spel van "Contextual Multi-Armed Bandits".

In dit spel:

• De Armen: Elke "arm" is een verschillende set ruisniveaus om te testen. Bijvoorbeeld, één arm test misschien ruisniveaus van 1 en 3, terwijl een andere 1, 3 en 5 test.
• De Context: Dit is de informatie waarnaar het systeem kijkt voordat het een keuze maakt. Dit omvat zaken zoals hoe diep het quantumcircuit is, hoeveel parameters het heeft, en de huidige staat van de hardware (zoals hoe "ruisachtig" de omgeving op dit moment aanvoelt).
• De Beloning: Na het testen krijgt het systeem een "score". Deze score balanceert twee zaken: hoe nauwkeurig het antwoord is, en hoeveel het heeft gekost (in termen van tijd, datatransfer en computergebruik).

Het systeem leert gaandeweg. Als de ruis laag is en het circuit eenvoudig, kan de "chef" kiezen voor een goedkope, ondiepe arm (het testen van minder ruisniveaus) omdat dit snel is en goed genoeg is. Als de ruis hoog is en het circuit complex, leert het systeem om een diepere arm te kiezen (het testen van meer niveaus) om een betere schatting te krijgen, zelfs als dat meer kost. Het past zijn strategie constant aan op basis van de "context" van dat moment.

Wat Ze Hebben Ontdekt

De onderzoekers hebben dit idee getest met behulp van simulaties en echte experimenten op daadwerkelijke quantumhardware. Dit is wat zij ontdekten:

1. Diepere Circuits Worden Noisier: Naarmate de quantumcircuits complexer (dieper) worden, stapelt de ruis zich op, wat de antwoorden minder nauwkeurig maakt en meer pogingen vereist om een goed resultaat te krijgen.
2. ZNE Werkt, Maar Heeft de Juiste Instellingen Nodig: Zero-noise extrapolation kan de fouten herstellen, maar alleen als je de juiste "folding levels" kiest. Als je de verkeerde niveaus kiest, los je de fout misschien helemaal niet op.
3. De Adaptieve Aanpak Wint: Hun nieuwe CMAB-ZNE-methode was veel beter dan de oude vaste methoden.
   • Het verminderde het aantal keren dat ze het circuit moesten draaien met tot wel 40%.
   • Het verminderde de hoeveelheid data die heen en weer werd gestuurd met tot wel 35%.
   • Het verlaagde de totale kosten met tot wel 30% (onder een specifiek budget van 10 Mbps).
   • Belangrijker nog, het verbeterde de nauwkeurigheid van het uiteindelijke antwoord met tot wel 6,9% vergeleken met de beste vaste methoden.

Ze hebben dit getest op twee verschillende beeldherkenningsopdrachten (CIFAR-10 en EuroSAT) en ontdekten dat het slimme, adaptieve systeem consequent het "sweet spot" vond tussen nauwkeurigheid en kosten.

Real-World Testing

Om te controleren of dit niet slechts een computersimulatie was, hebben de auteurs ook een test uitgevoerd op een echte quantumcomputer gemaakt door Rigetti (de Cepheus-1-108Q). Ze hebben het hele model niet op de echte machine getraind (wat te duur zou zijn), maar ze gebruikten de echte machine om de uiteindelijke antwoorden te testen.

De resultaten op de echte hardware bevestigden hun theorie: de ondiepe, goedkopere arm (het testen van minder ruisniveaus) gaf vaak een bijna even goede nauwkeurigheid als de dure, diepe arm, maar tegen een veel lagere kost. Dit bewees dat je niet altijd de meest dure, complexe oplossing nodig hebt; soms is een slimme, adaptieve keuze beter.

De Kernboodschap

Dit artikel suggereert dat de toekomst van quantum computing niet alleen gaat over het bouwen van grotere, luidruchtiger machines, maar over het bouwen van slimmere software die weet hoe ze met de ruis om moet gaan. Door foutcorrectie te behandelen als een dynamisch leerprobleem in plaats van een vast recept, kunnen we sneller en goedkoper betere resultaten krijgen. Hoewel de auteurs opmerken dat hun real-world test beperkt was tot specifieke omstandigheden en dat er meer werk nodig is om alle eigenaardigheden van echte hardware aan te pakken, tonen hun simulaties en initiële hardwaretests een zeer veelbelovend pad vooruit om quantumcomputers echt bruikbaar te maken in de ruisige wereld waarin we leven.