⚛️ quantum physics

Analysis of asymmetric errors in NISQ experiments

Dit artikel breidt eerdere statistische analyses van NISQ-experimenten uit door aan te tonen dat, in tegenstelling tot theoretische voorspellingen met betrekking tot amplitude-demping, de Google 2019 "quantum supremacy"-data nul-één fracties vertonen die uitsluitend worden bepaald door readout-foutasymmetrie in plaats van gate-fouten, een bevinding die wordt ondersteund door simulaties op IBM- en Google-platforms.

Oorspronkelijke auteurs: Gil Kalai, Tomer Shoham, Carsten Voelkmann

Gepubliceerd 2026-09-29

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Gil Kalai, Tomer Shoham, Carsten Voelkmann

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

In de race om machines te bouwen die problemen kunnen oplossen die buiten het bereik van de huidige computers liggen, werken wetenschappers met een kwetsbare nieuwe technologie genaamd quantumcomputing. Deze machines maken gebruik van minuscule deeltjes materie, bekend als qubits, die tegelijkertijd in een staat van zowel nul als één kunnen bestaan, waardoor ze informatie kunnen verwerken op manieren die klassieke computers niet kunnen. Deze qubits zijn echter extreem gevoelig voor hun omgeving. Zelfs de kleinste verstoring kan ervoor zorgen dat ze fouten maken, een fenomeen dat ruis wordt genoemd. Om te begrijpen of een quantumcomputer echt werkt zoals de bedoeling is, moeten onderzoekers het signaal van de berekening zorgvuldig scheiden van de statische ruis van deze fouten. Een belangrijk focuspunt van recent onderzoek is geweest naar "uitleesfouten" (readout errors), die optreden wanneer de machine de eindtoestand van een qubit verkeerd leest, waarbij een nul voor een één wordt aangezien of andersom. Het begrijpen van de precieze aard van deze fouten is cruciaal, omdat het wetenschappers vertelt of de machine een echte quantumcalculatie uitvoert of simpelweg willekeurige ruis produceert.

Een team van onderzoekers richtte zich onlangs op een specifieke vraag over hoe deze fouten zich gedragen. Ze wilden weten of de fouten puur willekeurig waren of dat ze een verborgen bias hadden. In een perfect gebalanceerde machine zou een qubit die nul zou moeten zijn, net zo vaak als een één worden gelezen als een qubit die één zou moeten zijn, als nul wordt gelezen. Echter, sommige theoretische werk suggereerde dat de interne operaties van de computer, specifweg de gates die de qubits manipuleren, een eenzijdige bias zouden kunnen introduceren. Deze theorie stelde dat de machine, terwijl deze draait, de resultaten van nature naar een hoger aantal nullen zou duwen, wat een onbalans creëert die niet slechts een eenvoudige meetfout was, maar een fundamentele drift in de data.

Om dit idee te testen, onderzochten de onderzoekers de data van het beroemde quantum supremacy-experiment uit 2019 uitgevoerd door Google, dat een processor met 53 qubits gebruikte. Ze keken ook naar data van andere quantumcomputers en van computersimulaties die ontworpen zijn om deze machines na te bootsen. Hun doel was om te zien of het aandeel nullen in de eindresultaten hoger was dan wat alleen verklaard kon worden door de bekende meetfouten alleen. Als de theorie correct was, verwachtten ze een significant overschot aan nullen in de experimentele data te vinden dat groeide naarmate het aantal qubits toenam.

De analyse gaf een duidelijk beeld dat de theoretische voorspelling tegensprak. Wanneer de onderzoekers naar de werkelijke data van het Google 2019-experiment keken, die een bereik besloeg van 12 tot 53 qubits, vonden ze geen bewijs voor deze extra bias naar nul veroorzaakt door interne gate-operaties. De lichte onbalans die ze observeerden tussen nullen en enen weerspiegelde de asymmetrie van de gerapporteerde uitleesfouten, hoewel het empirische verschil tussen nullen en enen ongeveer 10%-20% lager was dan het verschil dat op basis van de gerapporteerde foutpercentages werd verwacht. Met andere woorden: de machine was niet stiekem de resultaten naar nul aan het duwen door zijn interne operaties; de geobserveerde ruis was consistent met de bekende, fysieke meetfouten, zonder de extra afwijking die door de theorie werd voorspeld. Deze bevinding bleef standhouden over de gehele reeks geteste qubit-aantallen in het experiment in de echte wereld.

Het verhaal was anders toen het team naar computersimulaties keek. Wanneer zij vergelijkbare tests uitvoerden op een gesimuleerde versie van een IBM-quantumcomputer, toonden de resultaten een veel grotere kloof tussen nullen en enen dan de fysieke foutpercentages konden verklaren. Dit suggereerde dat de simulatiemodellen effecten bevatten die niet aanwezig waren in de echte Google-hardware, of dat de simulaties een type fout vastlegden dat de echte machine had weten te vermijden. De onderzoekers merkten ook op dat terwijl de echte Google-data een stabiele balans vertoonde, de proportie enen in de metingen in de loop van de tijd fluctueerde op een manier die suggereerde dat de gates zelf instabiel waren tijdens het experiment, in plaats van dat de meetinstrumenten de bron van de drift waren.

Uiteindelijk biedt de studie een geruststellende controle op het gedrag van de huidige quantumhardware. Het bevestigt dat voor het Google 2019-experiment de complexe interne operaties van de computer niet de voor eenzijdigheid zorgden die sommige theorieën hadden voorspeld. De output van de machine werd niet vervormd door een verborgen kracht die het naar nullen duwde; de ruis weerspiegelde de bekende asymmetrische uitleesfouten zonder extra gate-geïnduceerde bias. Terwijl simulaties tekenen van deze bias vertoonden, deed de echte wereld data dat niet, wat suggereert dat de fysieke apparaten meer voorspelbaar zijn dan sommige theoretische modellen hadden voorzien. Deze helderheid helpt wetenschappers om hun begrip van hoe deze machines werken te verfijnen en zorgt ervoor dat toekomstige claims over hun kracht gebouwd zijn op een solide, nauwkeurige fundering van hoe fouten zich daadwerkelijk gedragen.

Technische Samenvatting: Analyse van Asymmetrische Fouten in NISQ-experimenten

Probleemstelling
Dit artikel breidt de eerdere statistische analyse van de auteurs naar aanleiding van Noisy Intermediate-Scale Quantum (NISQ) experimenten uit, met een specifieke focus op het Google 2019 "quantum supremacy" experiment en gerelateerde simulaties. Het centrale probleem dat wordt aangepakt, is de karakterisering van asymmetrische uitlezfouten in kwantumcircuits. Waar eerder werk ([10], [13]) instrumenten vaststelde voor symmetrische ruismodellen, onderzoekt deze studie een verfijnd 3-parameter ruismodel waarbij de waarschijnlijkheid dat een '1' als een '0' wordt gelezen ( $q_{1\to0}$ ) verschilt van de waarschijnlijkheid dat een '0' als een '1' wordt gelezen ( $q_{0\to1}$ ).

Een specifieke motivatie voor deze analyse komt voort uit een theoretisch artikel van Fefferman et al. [4], waarin wordt gesteld dat amplitude damping gate-fouten (niet-unitaire ruis, primair $T_1$ -verval) een bias naar '0's in de output-samples zouden moeten induceren. De auteurs beogen te bepalen of dit theoretische effect — wat zich zou manifesteren als een groter deel van nul-waarden dan voorspeld door enkel uitlezfouten — observeerbaar is in empirische data van Google's Sycamore-processor, IBM's kwantumprocessors en diverse simulators.

Methodologie
De auteurs maken gebruik van en breiden statistische instrumenten uit die in hun eerdere werk zijn ontwikkeld, specifiek door gebruik te maken van Fourier-Walsh-expansies die zijn aangepast voor asymmetrische ruis.

Ruismodel: De studie maakt gebruik van een 3-parameter ruismodel:
$R(q_{1\to0}, q_{0\to1})(sP_C + (1-s)/M)$
waarbij $P_C$ de ideale waarschijnlijkheidsverdeling is, $s$ een fidelity-achtige parameter is, en $M=2^n$ , en $q_{1\to0}, q_{0\to1}$ de asymmetrische uitlezfout-percentages vertegenwoordigen. Dit generaliseert het 2-parameter symmetrische model waar $q_{1\to0} = q_{0\to1} = q$ .
Schattingstechnieken:
- Maximum Likelihood Estimation (MLE): De auteurs ontwikkelen MLE-schatters voor de parameters $(s, q_{1\to0}, q_{0\to1})$ op basis van steekproefgegevens.
- Fourier-Walsh-analyse: Zij breiden het Fourier-raamwerk uit [10] naar de $p$ -biased maatruimte om asymmetrische fouten af te handelen, wat efficiënte parameterschatting mogelijk maakt.
- Vergelijkende Analyse: De studie vergelijkt drie methoden voor het schatten van foutpercentages:
  1. Statistische inferentie uit het empirische deel van 0's en 1's in de circuit-outputs.
  2. Directe uitlezfout-percentages gerapporteerd door hardwareleveranciers (Google's som_params_by_qubit.csv en readout_raw_data.tar).
  3. MLE afgeleid van de circuit-outputverdelingen.
Databronnen:
- Google Sycamore: Empirische data van het 2019 supremacy experiment ( $12 \le n \le 53$ qubits) en daaropvolgende runs ( $n=67, 69$ ).
- IBM Hardware: 5-qubit circuits gedraaid op "Nairobi" en "Jakarta" processors.
- Simulators: Google's "QVM Weber" en IBM's "Fake Guadalupe" simulators.
- Temporele Analyse: Onderzoek naar de temporele stabiliteit van de proportie gemeten 1's over bitstring-meetsequenties heen.

Belangrijkste Resultaten

Afwezigheid van Gate-geïnduceerde Asymmetrie in Google-data:
In tegen tegenstelling tot de hypothese gesuggereerd door Fefferman et al. [4], toont de analyse van de Google 2019 experimentele data ( $12 \le n \le 53$ ) geen bewijs van een extra bias naar '0's veroorzaakt door amplitude damping gate-fouten.
- Het empirische verschil tussen het deel van 0's en 1's is consistent met, of zelfs iets lager dan, het verschil dat uitsluitend voorspeld wordt door de gerapporteerde uitlezfouten ( $q_{1\to0} - q_{0\to1}$ ).
- MLE-schattingen voor $q_{1\to0}$ en $q_{0\to1}$ afgeleid van de experimentele data zijn vergelijkbaar met (of iets lager dan) de fysieke uitlezfouten gerapporteerd door Google.
- Dit houdt stand over het gehele bereik van geteste qubit-aantallen.
Discrepantie in Simulators:
- IBM "Fake Guadalupe": In contrast met de Google hardware-data, vertoont de IBM simulator een significante discrepantie. De "effectieve" uitlezfouten geschat via MLE ( $q_{1\to0} \approx 0,081, q_{0\to1} \approx 0,048$ ) zijn aanzienlijk hoger dan de fysieke uitlezfouten ( $q_{1\to0} \approx 0,028, q_{0\to1} \approx 0,007$ ). De asymmetrie in de simulator-data is groter dan wat gerapporteerd wordt in de fysieke parameters, wat suggereert dat het ruismodel van de simulator onbedoeld gate-fout-effecten kan bevatten die vergelijkbaar zijn met die voorspeld door Fefferman et al.
- Google "QVM Weber": De resultaten voor de Google simulator zijn inconclusief vanwege ambiguïteiten in de gerapporteerde foutparameters (verschillen tussen "geïsoleerde" en "parallelle" kalibratiedata).
Temporele Instabiliteit:
De studie identificeert een temporele instabiliteit in de proportie gemeten 1's tijdens de uitvoering van Google's Sycamore en USTC's Zuchongzhi experimenten.
- De proportie 1's fluctueert significant over de tijd (verschuivend met vele theoretische standaarddeviaties), waarbij een hoge positieve autocorrelatie wordt vertoond.
- Echter, Google's initialisatie- en uitlees-raw data (readout_raw_data.tar) vertonen geen dergelijke temporele variaties.
- De auteurs concluderen dat deze instabiliteit waarschijnlijk voortkomt uit de toegepaste gates tijdens de circuitcycli, in plaats van uit temporele variaties in staatvoorbereiding of uitlezfouten.
Anticoncentratie:
De studie merkt op dat de Google experimentele data een gebrek aan anticoncentratie vertoont (hoge waarden van de parameter $c$ in $\sum p(x)^2 = c/2^n$ ) dat sterker is dan verwacht op basis van het Google-ruismodel. Dit effect wordt niet toegeschreven aan de specifieke asymmetrische uitlezfout-bias ( $q_{1\to0} > q_{0\to1}$ ) voorspeld door Fefferman et al., aangezien de data niet de bijbehorende bias naar nul-waarden vertoont.

Betekenis en Claims
Het artikel beweert een rigoureuze statistische toets te bieden voor de theoretische voorspelling dat niet-unitaire gate-fouten (amplitude damping) zich manifesteren als een specifiek type asymmetrische uitlezfout in random circuit sampling.

Weerlegging van het Geobserveerde Effect: De primaire claim is dat hoewel het theoretische mechanisme van Fefferman et al. plausibel is, het niet wordt waargenomen in de Google 2019 supremacy data of daaropvolgende runs. De geobserveerde asymmetrie in de data wordt volledig verklaard door de gerapporteerde uitlezfouten, zonder extra bijdrage van gate-geïnduceerde bias naar '0'.
Methodologische Uitbreiding: Het papier slaagt erin de Fourier-Walsh-analyse en MLE-technieken succesvol uit te breiden naar het 3-parameter asymmetrische ruismodel, wat een kader biedt voor toekomstige analyse van NISQ-data.
Simulatie vs. Realiteit: Het benadrukt een divergentie tussen echte hardware (Google) en bepaalde simulators (IBM Fake Guadalupe), waarbij die laatste een "effectieve" foutinflatie vertoont zoals door de theorie voorspeld, terwijl de eerste dat niet doet.

De auteurs hanteren een bescheiden toon en merken op dat hoewel het specifieke effect van gate-geïnduceerde asymmetrie niet werd gevonden in de Google-data, verdere monsters en simulaties vereist zijn voor een volledig begrip, vooral gezien de inconclusieve aard van de Google-simulator data en de geobserveerde temporele instabiliteiten in gate-cycli.

Meer zoals dit