Quantum Error Mitigation at the pre-processing stage

技术摘要：预处理阶段的量子误差缓解

问题陈述
由于容错量子计算机对量子纠错（QEC）所需的量子比特开销极高，实现容错量子计算仍然是一个重大挑战。因此，当前的含噪声中规模量子（NISQ）设备依赖于量子误差缓解（QEM）技术来抑制中等深度电路中的噪声。标准的 QEM 方法通常在后处理阶段运行，需要重复执行电路并对测量数据进行统计分析（例如，零噪声外推法、概率误差抵消法）。虽然这些方法有效，但往往会产生高采样开销，或者需要复杂的层析策略，例如信息完备正算符值测量（IC-POVM），以重建噪声状态。

作者提出将缓解范式转移到预处理阶段。其核心问题是寻找一个“代理可观测量” $Y$，使得该可观测量在噪声量子态 $E(\rho)$ 上的期望值与目标可观测量 $X$ 在理想无噪声态 $\rho$ 上的期望值完全匹配。从数学上讲，这要求求解 $E^\dagger(Y) = X$，其中 $E^\dagger$ 是噪声通道的伴随算符。虽然 Watanabe 等人曾对该方法进行过理论探讨，但由于构建 $Y$ 通常需要追踪指数级数量的项或求逆大型矩阵，导致其被认为在实际操作中是不可行的，且对于大型系统而言在计算上是难以处理的。

方法论
本文引入了一个使用**张量网络（TN）**和 Pauli-Lindblad 噪声模型来计算并实现代理可观测量 $\hat{Y}$ 的可扩展框架。

1. 理论框架： 作者将噪声电路建模为酉层与噪声通道的串联。他们使用泡利传递矩阵（PTM）表示法，在目标可观测量 $X$ 与代理可观测量 $\hat{Y}$ 之间建立联系。该解法涉及对伴随通道 $E^\dagger$ 进行求逆。
2. 张量网络表示： 为了处理指数级的复杂度，作者使用矩阵乘积算符（MPO）和矩阵乘积态（MPS）来表示量子通道和可观测量。他们采用了“由中向外”的收缩策略，从电路中心（即噪声前向演化与反向理想演化相遇之处）开始向外收缩。
3. 压缩： 为了保持计算的可处理性，在每次迭代后，作者使用随机奇异值分解（RSVD）将代表反向通道的 MPO 压缩至固定的键维数。
4. 主成分近似（DCA）： 一个关键发现是，在目标可观测量为单个泡利算符（$X = P_i$）的特定情况下，生成的代理可观测量 $\hat{Y}$ 主要由反向收缩矩阵的对角元素主导。其非对角项相对于对角项而言可以忽略不计。因此，作者提出将 $\hat{Y}$ 简单地近似为原始泡利算符的一个缩放版本：$\hat{Y} \approx [M^\dagger_L]^{-1}_{i,i} P_i$。这消除了测量全套泡利分量或进行复杂概率采样的需求。

主要贡献

• 预处理方法： 该工作证明了在实际设置中寻找代理可观测量 $\hat{Y}$ 是可行的，从而将误差缓解从后处理阶段转移到了测量阶段。
• 最优性： 证明了导出的估计量 $\hat{Y}$ 达到了量子克拉美-罗界（QCRB），提供了一个具有最小方差的最优估计量。
• DCA 近似： 引入主成分近似（DCA）使得通过测量原始可观测量并对其结果进行缩放即可完成期望值估计，避免了与全层析或概率误差抵消相关的指数级测量开销。
• 计算效率： 该方法消除了对信息完备测量和构建张量误差缓解（TEM）所需的“对偶算符”的需求。

结果
作者使用一个具有稀疏 Pauli-Lindblad 噪声的 10 量子比特横场伊辛模型，将该方法与概率误差抵消（PEC）和张量误差缓解（TEM）进行了基准测试。

• 准确度： DCA 方法实现的准确度与 TEM 相当，两种方法在某些配置下均表现出相似的偏离理想值的发散点。然而，在某些电路深度下，DCA 比 TEM 表现出更低的偏差。
• 采样开销： DCA 方法的测量开销（$\gamma$）非常接近理论下界，在各种电路深度下，其表现略优于 TEM，且显著优于 PEC。
• 计算复杂度： 最显著的结果是降低了经典计算成本。虽然 TEM 需要进行大量的张量收缩（在后处理阶段的每次电路执行中各进行一次），但 DCA 仅需进行单次张量收缩即可确定缩放因子。
  • 在实际模拟中，作者报告称其计算速度比 TEM 快约 $10^6$ 倍。对于 20 步演化，TEM 需要 10 天时间进行计算，而所提方法在相同的硬件上完成相同任务仅需不到 5 秒。

意义与主张
论文声称，这种方法通过显著降低采样开销和经典计算负担，为利用当前量子硬件提供了一条可行路径。通过避免需要信息完备测量和复杂的后处理，该方法使高精度误差缓解对于近期的设备而言更加易于实现。

作者将 QEM 定位为一种补充性的方法论，而非注定被 QEC 取代的过渡性方案。他们认为，QEC 与 QEM 的集成是增强量子性能的一个极具前景的方向，而像本文提出的这类新颖策略对于加速向容错阶段的过渡至关重要。这项工作特别强调，通过利用噪声的结构（稀疏 Pauli-Lindblad）和张量网络的效率，寻找代理可观测量这一“难以处理”的问题可以通过可控的资源得到解决。