Lifting: Quantum State Discrimination Framework for Mid-Circuit Measurements

Computadores quânticos prometem resolver problemas que levariam milhares de anos para máquinas clássicas, mas eles são incrivelmente frágeis. Para funcionar, eles devem realizar sequências complexas de operações enquanto verificam constantemente erros. Uma parte crítica desse processo é a capacidade de medir um bit quântico, ou qubit, no meio de um cálculo sem destruir toda a computação. Isso é conhecido como medição de meio de circuito. Quando um qubit é medido, ele produz um sinal de micro-ondas tênue que deve ser interpretado para determinar se o qubit está em um estado zero ou um. No entanto, nos chips supercondutores usados hoje, esse sinal é frequentemente ruidoso e distorcido. À medida que um cálculo progride e os qubits são medidos repetidamente, o estado físico do hardware degrada-se, tornando os sinais ainda mais difíceis de ler. Se o computador interpretar incorretamente um sinal, ele pode aplicar a correção errada, fazendo com que todo o cálculo falhe.

Pesquisadores tentaram melhorar esse processo de leitura usando inteligência artificial, especificamente redes neurais, que são boas em encontrar padrões em dados desordenados. No entanto, existe um limite rígido para o quão bem essas redes podem performar se estiverem olhando apenas para o sinal de um único qubit. Se o ruído fizer com que os sinais para zero e um se sobreponham demais, nenhum treinamento de software poderá diferenciá-los com certeza. Além disso, os métodos de calibração padrão, que ensinam o computador como ler sinais antes de uma execução começar, frequentemente falham em corresponder à realidade do que acontece durante um cálculo longo e complexo. Os sinais mudam conforme o circuito executa, deixando o software treinado com informações desatualizadas.

Para superar esses obstáculos, uma equipe de pesquisadores da Universidade de Indiana e do Laboratório Nacional Lawrence Berkeley desenvolveu um novo framework chamado Lifting. Em vez de tentar aperfeiçoar a leitura de um único qubit, o Lifting muda a maneira como a informação é coletada. Antes de medir um qubit alvo, o sistema o vincula temporariamente a um ou mais qubits auxiliares. Isso cria um grupo de qubits que compartilham o mesmo estado. O sistema então mede todos eles exatamente ao mesmo tempo, capturando um sinal combinado que inclui o alvo e seus auxiliares. Ao observar essa imagem conjunta em vez de um sinal único isolado, o sistema ganha informações extras que ajudam a separar os estados zero e um, mesmo quando estão ruidosos.

Os pesquisadores testaram essa abordagem em três processadores quânticos diferentes da IBM. Eles descobriram que simplesmente adicionar os qubits auxiliares e medi-los juntos reduziu significamente a confusão entre os estados. No entanto, a equipe também descobriu que o tempo de treinamento importava tanto quanto o hardware. Eles criaram um método para calibrar o software de leitura enquanto o circuito estava realmente em execução, garantindo que o computador aprendesse a interpretar os sinais sob as exatas condições que enfrentaria durante a tarefa real. Essa calibração "in situ" levou em conta a forma como o hardware mudava conforme o cálculo avançava.

Quando os pesquisadores combinaram a técnica de medição conjunta com essa calibração em tempo real, os resultados foram substanciais. Em um teste envolvendo medições repetidas, um sistema padrão que dependia de métodos de calibração antigos teve sucesso em completar a tarefa corretamente apenas cerca de 54 por cento das vezes. O novo framework Lifting, usando os sinais combinados e o treinamento em tempo real, elevou a taxa de sucesso para quase 62 por cento ao filtrar os resultados mais ambíguos. Em outros testes envolvendo correção de erros e teletransporte de dados, o novo método superou consistentemente as abordagens padrão. O estudo sugere que a melhor maneira de ler um computador quântico não é apenas construir um decodificador melhor, mas mudar a informação disponível para ele e ensiná-lo usando as mesmas condições que ele encontrará no mundo real. Essa abordagem oferece um caminho prático para tornar os computadores quânticos mais confiáveis sem exigir um hardware inteiramente novo.