Toward a Quantum Diagnostic Intelligence System: A Multi-Layer Architecture for Circuit-Level Assessment of Quantum Hardware Operational State

Technische Samenvatting: Naar een Quantum Diagnostic Intelligence Systeem

Probleemstelling
Huidige industriestandaarden voor het certificeren van de gezondheid van Quantum Processing Units (QPU's) vertrouwen op puls-niveau kalibratiemetrieken, specif kinder specifiek coherentietijden ($T_1$ en $T_2$) gemeten op geïsoleerde enkele qubits. Hoewel efficiënt, bezitten deze metrieken een fundamentele beperking: ze slagen er niet in fouten te vangen die alleen optreden tijdens multi-qubit circuituitvoering, zoals coherente fouten door gate-miscalibratie, crosstalk tussen simultaan opererende qubits, en de temporele instabiliteit van deze effecten. Bijgevolg bestaat er een systematische kloof tussen gecertificeerde hardwarekwaliteit (hoge $T_1/T_2$) en de werkelijke algoritmeprestaties. Het artikel benadrukt een kritiek geval van deze discrepantie waarbij de door IBM gerapporteerde $T_2$ met 12% verbeterde, terwijl de circuit-niveau infidelity voor een 2-qubit GHZ-toestand met 920% degradeerde.

Methodologie: De Quantum Diagnostic Intelligence (QDI) Architectuur
De auteurs stellen QDI voor, een vijflaagse besluitvormingsarchitectuur ontworpen om de operationele staat van een QPU af te leiden met behulp van circuit-niveau metingen in plaats van geïsoleerde pulsmetingen. Het framework werkt met een biomarker-vector $\chi$ die wordt geëxtraheerd uit ongeveer 13 circuits die in ongeveer drie minuten worden uitgevoerd.

De kern van de methodologie omvat vier wiskundige operatoren toegepast op $\chi$:

1. Diagnostic State Classifier $D(\chi)$: Mapt de biomarker-vector naar één van vijf onderling uitsluitende operationele modi (bijv. Coherent-error-gedomineerd, Drift-gedomineerd, SPAM-gedomineerd) op basis van prioriteitsgeordende regels afgeleid van de fysica. Belangrijke indicatoren zijn de K–R schalingsexponent $\alpha$ (specifiek $\alpha_{GHZ}$) en de coëfficiënt van variatie ($CV_{drift}$).
2. Health Score $H(\chi)$: Genereert een gewogen strafscore van 0 tot 100. De score is decomponeerbaar en schrijft straffen toe aan specifieke factoren zoals afwijkingen in de schalingsexponent, drift-instabiliteit en goodness-of-fit waarden. De gewichten zijn natuurkundig afgeleid in plaats van geleerd uit data.
3. Recommendation Generator $R(\chi)$: Mapt de diagnostische staat naar geprioriteerde actiebare stappen, zoals het toepassen van dynamical decoupling voor coherente fouten of zero-noise extrapolation voor depolariserende ruis.
4. Drift Forecast $F(\chi, t)$: Produceert een voorspellende distributie voor toekomstige schalingsexponenten op basis van lineaire trendmodellen, waarbij de onzekerheid expliciet wordt gekwantificeerd (momenteel gelabeld als "LOW CONFIDENCE" vanwege kleine steekproeven).

De biomarker-vector $\chi$ bevat schalingsexponenten ($\alpha$) voor GHZ-circuits, circuitdiepte, echo-sequenties en ruisversterking, naast stabiliteitsmetrieken ($CV$) en goodness-of-fit ($R^2$) waarden. Deze worden geëxtraheerd door een drieparameter K–R model te fitten op infidelity-metingen.

Experimentele Opzet en Resultaten
Het framework werd gevalideerd met 191 circuituitvoeringen over drie 156-qubit IBM Heron r2 processors: ibm_kingston, ibm_fez, en ibm_marrakesh.

• Demonstratie van Divergentie: Op ibm_marrakesh, tussen 3 juli en 5 juli 2026, verbeterde de door IBM gerapporteerde puls-niveau $T_2$ van 303 $\mu$s naar 340 $\mu$s. Daartegenover stonden de circuit-niveau metrieken die een ernstige degradatie aangaven: $\alpha_{GHZ}$ steeg van 1.406 naar 3.811, en de 2-qubit GHZ infidelity steeg met 920%. Het QDI-systeem identificeerde dit correct als een "Coherent-error-dominated" staat met een health score van 37.8/100, wat contrasteert met het "IMPROVED" oordeel van de puls-metrieken.
• Cross-Device Validatie: Regels die uitsluitend getraind zijn op ibm_kingston data, werden zonder hertraining toegepast op ibm_fez en twee ibm_marrakesh sessies. Het systeem classificeerde de operationele staat correct in 3 van de 3 held-out tests (100% nauwkeurigheid op de testset), wat de haalbaarheid van cross-device generalisatie aantoont.
• Verklaarbaarheid: De health score voor de gedegradeerde marrakesh sessie werd expliciet uitgesplitst, waarbij werd getoond dat 64% van de straf voortkwam uit de $\alpha_{GHZ}$ schalingsexponent en 35% uit drift, wat inzicht biedt in de oorzaken van falen.

Belangrijkste Bijdragen

1. Formele Definitie: Het artikel biedt de eerste wiskundige formalisering van een transitie van meting naar diagnose, aanbeveling en voorspelling voor quantumhardware via vier gedefinieerde operatoren ($D, H, R, F$).
2. Empirisch Bewijs: Het presenteert real-world data die aantoont dat circuit-niveau metingen diagnostische informatie bevatten die onzichtbaar is voor standaard $T_1/T_2$ kalibratie, specifiek door het vangen van coherente foutaccumulatie en crosstalk.
3. Validatie van Haalbaarheid: De studie toont aan dat door experts ontworpen regels, getraind op één apparaat, succesvol de operationele staat van verschillende apparaten en verschillende tijdssessies kunnen classificeren zonder hertraining.
4. Verklaarbare Metrieken: Het framework biedt een transparante health score met een uitsplitsing van straffen, in tegenstelling tot opaak "black-box" modellen.

Betekenis en Beperkingen
Het artikel beweert dat QDI een kritieke kloof in de karakterisering van quantumhardware aanpakt door een snelle (3–5 minuten), circuit-niveau pre-sessie gezondheidscheck te bieden die de rigoureuze methoden zoals Randomized Benchmarking of Gate Set Tomography aanvult in plaats van vervangt. De primaire betekenis ligt in het identificeren dat een device gezond kan lijken via puls-metrieken terwijl het operationeel gedegradeerd is voor multi-qubit algoritmen.

De auteurs erkennen expliciet drie wetenschappelijke beperkingen:

1. Heuristische Aard: De operatoren vertrouwen momenteel op door experts ontworpen regels en gewichten in plaats van geleerde statistische modellen.
2. Gebrek aan Ground Truth: De health score is nog niet gevalideerd tegen werkelijke algoritme succes/falen ratio's (ground truth).
3. Steekproefomvang: De cross-validatie steekproef ($n=4$ sessies) is onvoldoende voor statistische claims; de auteurs stellen dat prospectieve validatie op $n \ge 50$ onafhankelijke sessies vereist is voordat claims over generalisatie kunnen worden gemaakt.

Het artikel concludeert dat hoewel de schalingsexponent $\alpha$ een nuttig onderdeel is, de QDI-architectuur zelf de primaire bijdrage vormt, ontworpen om agnostisch te zijn voor de specifieke biomarkers die gebruikt worden, waardoor integratie van toekomstige diagnostische data mogelijk is.