Benchmarking Error Mitigation: Artefactual Improvements in Zero-Noise Extrapolation

Resumo Técnico: Avaliação de Desempenho da Mitigação de Erros: Melhorias Artefatuais na Extrapolação de Ruído Zero

Definição do Problema
A avaliação de desempenho confiável da Mitigação de Erros Quânticos (QEM) exige distinguir melhorias físicas genuínas de artefatos matemáticos introduzidos durante o pós-processamento. O artigo foca na Extrapolação de Ruído Zero (ZNE) de Richardson, uma técnica amplamente utilizada onde os valores de expectativa em diferentes níveis de amplificação de ruído ($\lambda_k$) são ajustados a um polinômio para estimar o limite de ruído zero ($\hat{E}(0)$).

O problema central identificado é um modo de falha específico: quando a amplificação do ruído leva o sinal medido abaixo do regime utilizável (aproximando-se do "piso" do observável, por exemplo, $f=0$ para paridade ou $f=1/2^N$ para probabilidades), a extrapolação deixa de refletir a física subjacente. Em vez disso, ela colapsa em um redimensionamento determinístico de uma única medição ruidosa ($E(\lambda_1)$). Isso cria um "efeito horóscopo" — uma melhoria aparente que é independente do mecanismo real de amplificação de ruído e que pode resultar em ultrapassagens não físicas (valores que excedem o ideal) ou melhorias ilusórias que são indistinguíveis de uma mitigação genuína sem diagnósticos adicionais.

Metodologia
Os autores empregam uma combinação de derivação teórica, simulação e experimentos empíricos em hardware para caracterizar e validar este modo de falha.

1. Derivação Teórica: O artigo deriva uma caracterização de forma fechada (Equação 2) mostrando que, se os valores de expectativa para níveis de ruído amplificados ($k > 1$) colapsarem para o piso ($f$), a estimativa de Richardson $\hat{E}(0)$ torna-se uma função linear apenas da primeira medição $E(\lambda_1)$ e do piso $f$. Especificamente, $\hat{E}(0) = c_1 E(\lambda_1) + (1-c_1)f$. Como $c_1 > 1$ para fatores de escala padrão (ex: $\{1, 3, 5\}$), qualquer sinal próximo ao piso é redimensionado para cima, criando uma melhoria artificial.
2. Taxonomia de Retenção de Sinal: Os autores definem três regimes baseados na relação entre o sinal e o piso do observável:
   • Sinal Retido: O sinal permanece bem acima do piso; a extrapolação é válida.
   • Sinal Decaído: O sinal aproxima-se do piso; a recuperação degrada-se.
   • Sinal Destruído: O sinal colapsa para o piso ou abaixo dele; a extrapolação degenera no artefato descrito acima.
3. Controle Negativo de Dobra de Lixo (Garbage-Folding): Para isolar o efeito da destruição de sinal da amplificação do mecanismo, os autores introduzem uma técnica de "dobra de lixo". Isso envolve a inserção de sequências de portas que não reduzem à identidade (ao contrário da dobra padrão), mas que correspondem à contagem de portas e à taxa de erro residual da dobra genuína. Isso maximiza a destruição de sinal em $\lambda > 1$ enquanto mantém custos computacionais idênticos.
4. Validação de Hardware: Experimentos foram conduzidos na máquina de 54 qubits IQM Euro-Q-Exa utilizando um Circuito Trotter Quântico (QTC) de 4 qubits e um circuito Grover de 6 qubits. O estudo utilizou fatores de escala $\{1, 3, 5\}$ e comparou a dobra genuína contra a dobra de lixo e a dobra de identidade.
5. Diagnóstico de Custo Zero: Os autores propõem uma verificação diagnóstica baseada na distribuição de probabilidade por estado de base. Como a extrapolação de Richardson é uma combinação linear de probabilidades, uma distribuição válida deve ter probabilidades não negativas para todos os estados. Os autores definem um "peso de probabilidade negativa" ($W_{neg}$) para quantificar violações desta restrição física.

Principais Resultados

• Colapso Empírico: No hardware IQM Euro-Q-Exa, conforme a profundidade do circuito aumentava, os valores de paridade amplificados colapsavam para o piso ($f=0$). Neste ponto, a estimativa de Richardson $\hat{E}(0)$ desvinculou-se do valor ideal verdadeiro e acompanhou a previsão de redimensionamento teórico ($\frac{15}{8}E(\lambda_1)$).
• Ultrapassagem Artefactual (Overshoot): No regime de sinal destruído, o método produziu uma ultrapassagem de 21% do valor ideal ($\hat{E}=1.16$ vs $E_{ideal}=0.96$), apesar de o sinal ser efetivamente zero.
• Superioridade da Dobra de Lixo: Em simulações e execuções de hardware, a "dobra de lixo" (que não carrega nenhum sinal utilizável) produziu melhorias aparentes maiores do que a dobra genuína. Por exemplo, no circuito Grover, a dobra de lixo resultou em uma razão de recuperação $\rho \approx 0.56$ comparado a $0.44$ para a dobra genuína. No regime de sinal retido, a dobra de lixo produziu valores não físicos extremos ($\rho = 16$ e $125$).
• Eficácia do Diagnóstico: O peso de probabilidade negativa ($W_{neg}$) distinguiu com sucesso os regimes válidos e artefatuais. A dobra válida resultou em $W_{neg} \approx 0.02\text{--}0.04$, enquanto a dobra de lixo no regime destruído resultou em $W_{neg} \approx 0.74$. As duas distribuições não se sobrepunham (AUC = 1.0), tornando $W_{neg}$ um indicador robusto e de custo zero do artefato.

Principais Contribuições

1. Caracterização de Forma Fechada: Uma prova matemática demonstrando que a ZNE de Richardson degenera para um redimensionamento determinístico quando $E(\lambda_{>1})$ atinge o piso do observável, tornando a melhoria relatada sem sentido.
2. Taxonomia de Retenção de Sinal: Um framework que permite aos benchmarks determinar seu regime operacional (retido, decaído ou destruído) usando seus próprios dados por-$\lambda$.
3. Controle Negativo de Custo Correspondente: A introdução da "dobra de lixo" para demonstrar que maiores melhorias relatadas podem ser fabricadas apenas através da destruição de sinal, provando que a magnitude da melhoria não é evidência de correção.
4. Diagnóstico de Custo Zero e Checklist: Um método prático para sinalizar artefatos usando dados existentes (contagens por estado) via métrica $W_{neg}$, juntamente com um checklist de relatório para benchmarks de ZNE.

Significância e Alegações
O artigo argumenta que a validade de muitas avaliações empíricas em computação quântica é ameaçada por este modo de falha raramente considerado. Os autores alegam que:

• O "efeito horóscopo" (melhoria artefactual) é distinto do bem conhecido mau condicionamento causado por fatores de escala próximos; ele afeta até mesmo conjuntos de fatores de escala otimizados por variância, como $\{1, 3, 5\}$, uma vez que o sinal é destruído.
• Melhorias relatadas no regime de sinal destruído não são evidência de mitigação bem-sucedida, mas sim artefatos matemáticos da aritmética de pós-processamento.
• Um benchmark credível deve garantir que as melhorias sejam atribuíveis ao mecanismo de amplificação de ruído, e não à aritmética de extrapolação.
• O checklist proposto (relatar status de retenção de sinal, $W_{neg}$ e limites físicos) permite à comunidade distinguir entre o que uma pipeline de ZNE afirma medir e o que ela realmente mede, sem exigir recursos computacionais adicionais.

Os autores mantêm um escopo modesto, observando que, embora a evidência de hardware seja atualmente limitada a um dispositivo e famílias de circuitos específicos, a derivação teórica depende apenas de propriedades gerais de extrapoladores lineares e pisos de observáveis, sugerindo que o modo de falha é generalizável para diversos dispositivos e profundidades de circuito.