Shallow randomized measurement in noisy quantum devices

Título: Medição Aleatória Rasa em Dispositivos Quânticos Ruidosos
Autores: Gyungmin Cho e Dohun Kim (Universidade Nacional de Seul)

Definição do Problema

Embora o hardware quântico esteja evoluindo, os dispositivos atuais de curto prazo permanecem limitados pelo ruído e pela profundidade de circuito limitada. Protocolos padrão para aprender propriedades de estados quânticos, como sombras clássicas (classical shadows), enfrentam um compromisso: Medições de Pauli Aleatórias (RPM) são experimentalmente simples, mas ineficientes para observáveis de baixo posto (low-rank), enquanto Medições de Clifford Aleatórias (RCM) são eficientes para observáveis de baixo posto, mas exigem circuitos profundos ($O(n)$) que são inviáveis em dispositivos de escala intermediária com ruído (NISQ) atuais. Abordagens existentes de "sombras rasas" (shallow shadows), baseadas principalmente em circuitos de tijolos (brickwork circuits), oferecem um meio-termo, mas frequentemente carecem de expressões em forma fechada para o canal de sombra e seu inverso, complicando o pós-processamento e extensões para protocolos avançados como derandomização ou mitigação de erro. Além disso, as vantagens sistemáticas de medições rasas em diversas tarefas de aprendizado (além de aplicações específicas) e sua robustez ao ruído experimental requerem validação teórica e experimental adicional.

Metodologia

Os autores desenvolvem um framework teórico unificado baseado em ensembles de medição de Clifford, focando especificamente em sombras de blocos (block shadows). Nesta abordagem, o sistema de $n$ qubits é particionado em blocos de tamanho $k$, e unitárias de Clifford aleatórias independentes de $Cl(k)$ são aplicadas a cada bloco. Esta estrutura permite:

1. Fórmulas Analíticas Explícitas: Derivação de expressões em forma fechada para o canal de sombra, seu inverso e os momentos necessários para análise de variância, evitando as aproximações numéricas frequentemente necessárias para circuitos de tijolos.
2. Integração de Protocolos Avançados: O framework incorpora derandomização, protocolos de múltiplos disparos (reuso de bases de medição), medições aleatórias comuns (CRM) com estados de viés (bias states) e estimadores mitigados por erro.
3. Modelagem de Ruído: Análise teórica de modelos de ruído (por camada e pós-unitária) assumindo que o twirling de Pauli converte erros em canais de Pauli, permitindo a construção de estimadores mitigados por erro usando o canal de sombra ruidoso.
4. Validação Experimental: Implementação em hardware quântico da IBM (até 40 qubits, 46 camadas de portas de dois qubits) para testar sombras de blocos derandomizadas, medições aleatórias comuns com mitigação de erro e aprendizado de máquina potencializado por emaranhamento.

Principais Contribuições e Resultados

1. Framework Teórico e Derandomização

• Os autores combinam derandomização com medições rasas, obtendo bases de medição determinísticas cujos limites de confiança não são maiores que a média aleatória.
• Resultado: Experimentos numéricos e de hardware no modelo de Heisenberg de Cluster mostram que sombras de blocos derandomizadas requerem menos medições do que a derandomização de qubit único para estimar a incerteza de energia, mesmo na presença de ruído de hardware.

2. Complexidade de Amostragem e Escalonamento de Caso Típico

• O artigo estabelece que, para sombras de blocos com $k2^k = \Omega(n)$, a norma de sombra de observáveis com norma Schatten 2 limitada é constante em casos típicos.
• Observáveis Dependentes de Estado: Diferente das análises de observáveis fixos, o framework lida com configurações correlacionadas (ex: verificação de estado, onde o observável é o próprio estado). Os autores mostram que, no regime de caso típico, as sombras de blocos alcançam o mesmo escalonamento que as medições de Clifford aleatórias globais.
• Estimativa de Pureza: Um estimador de pureza de múltiplos disparos é construído. Limites teóricos indicam que, para estados típicos, a complexidade de amostragem escala de forma semelhante à RCM, com o termo $V_2/NS$ sendo suprimível através do reuso de bases de medição.

3. Medições Aleatórias Comuns (CRM) e Mitigação de Erro

• O framework estende a CRM para sombras rasas, permitindo o uso de um estado de viés $\sigma$ (aproximando $\rho$) para reduzir a variância.
• Mitigação de Erro: Os autores estendem técnicas de sombra robustas para sombras de blocos. Experimentos em 40 qubits demonstram que a mitigação de erro melhora significativamente a precisão da CRM, mesmo quando o estado de viés é menos preciso (menor dimensão de ligação).

4. Aprendizado de Máquina Potencializado por Emaranhamento

• O estudo investiga se modelos de aprendizado de máquina (ML) clássicos treinados em dados de medições rasas emaranhadas superam aqueles treinados em dados de qubit único.
• Resultado: Usando Kernel PCA em dados do modelo Su–Schrieffer–Heeger (SSH), os autores mostram que medições de bloco de dois qubits ($k=2$) produzem uma assinatura de transição de fase mais nítida perto do ponto crítico ($w=1$) em comparação com medições de qubit único ($k=1$). A derivada da função de ajuste atinge o pico em $w \approx 1.026$, consistente com o ponto de transição teórico.

5. Eficiência de Pós-Processamento

• Devido à estrutura de produto tensorial das sombras de blocos, o inverso do canal de sombra é exato e computável em forma fechada. Isso contrasta com as sombras de tijolos, que frequentemente exigem aproximações de redes tensoriais ou otimização numérica para o inverso, oferecendo uma vantagem distinta em eficiência de pós-processamento.

Significância e Alegações

O artigo afirma que medições de profundidade rasa, especificamente através do framework de sombra de blocos, fornecem benefícios práticos em dispositivos quânticos ruidosos.

• Robustez: As vantagens das medições rasas persistem apesar do ruído experimental, conforme validado por experimentos de hardware.
• Versatilidade: O framework unifica várias variantes de sombras clássicas (derandomizadas, multi-shot, CRM, mitigadas por erro) sob um único guarda-chuva teórico baseado em ensembles de Clifford.
• Escalabilidade: Ao usar circuitos de profundidade logarítmica ($O(\log n)$), a abordagem preenche a lacuna entre medições locais simples e medições de Clifford globais, permitindo o estudo de estados quânticos complexos e quantidades físicas em hardware NISQ atual.
• Vantagem de ML: Os resultados sugerem que medições emaranhadas podem melhorar a representação clássica de dados experimentais quânticos para tarefas de aprendizado de máquina, potencialmente reduzindo o número de experimentos necessários para aprender propriedades do estado fundamental ou detectar transições de fase.

Os autores mantêm uma postura modesta, observando que seus resultados de caso típico não implicam garantias de pior caso (citando contraexemplos específicos de produto de blocos onde o escalonamento é desfavorável) e que a abordagem é mais eficaz para sistemas onde as correlações locais são significativas ou onde estados de viés estão disponíveis.