⚛️ 量子物理

Practical Fidelity Estimation for Noisy Quantum Devices Using Direct and Survival-Probability-Based Protocols

本文介绍了两种面向软件的实用协议，用于在无需全层析成像的情况下，在含噪声的中等规模量子设备上估计量子保真度：一种通过引入衰减感知修正来增强的重要性采样直接保真度估计方法，以及一种利用 $L_2$ 优化展开来减轻 SPAM 误差、并在高噪声机制下优于标准截断的鲁棒生存概率法。

原作者： Ahmed Aman, Kaustav Chatterjee, Younes Javanmard, Tanmoy Pandit

发布于 2026-10-16

📖 1 分钟阅读🧠 深度阅读

CC BY 4.0

原作者： Ahmed Aman, Kaustav Chatterjee, Younes Javanmard, Tanmoy Pandit

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

构建利用量子物理奇特规则来解决问题的计算机，需要一种能够检查机器是否确实在正常工作的手段。在量子计算的世界里，信息存储在被称为量子比特（qubits）的脆弱单元中。与标准笔记本电脑中非零即一的比特不同，量子比特可以同时存在于两种状态的混合之中。然而，这些状态极其脆弱。来自热量、振动或电磁波的哪怕最轻微的干扰，都会导致信息退化或完全消失。为了制造出有用的量子计算机，科学家必须能够衡量一个设备保存信息的能力，这种品质被称为保真度（fidelity）。传统上，检查这一指标需要一种称为断层扫描（tomography）的过程，这就像是通过从各个可能的角度拍摄数百万张单独的照片，来试图绘制一个复杂旋转地球仪的整个表面。随着量子比特数量的增加，这种方法会变得极其缓慢且昂贵，对于规模适中的机器，其所需的测量次数甚至会超过宇宙中的原子总数。这一瓶颈迫使研究人员寻找更聪明、更快速的方法，在不需要看到量子态每一个细节的情况下，来评估性能。

一组研究人员开发了两种新的基于软件的方法来解决这个问题，为测试噪声量子设备提供了实用的工具，而无需承担全量重建的沉重负担。第一种方法被称为直接保真度估计（direct fidelity estimation），它的工作原理是进行有针对性的猜测，而非进行全面的普查。该方法不是测量量子态的所有可能属性，而是利用一种统计技巧，将注意力集中在预先已知的量子态最重要的部分上。想象一下，试图通过测量人群中身高最高的人并根据他们出现的可能性进行加权，来估计人群的平均身高；这便是该技术的本质。研究人员发现，当目标态已知时，这种方法非常有效，但它对测量过程本身的误差很敏感。为了解决这个问题，他们引入了一种修正方法，以补偿量子测量经常被“变暗”的现象，就像相机镜头损失了一些光线一样。通过在数学上补偿这种变暗现象，团队证明了即使在测量设备不完美的情况下，估计结果也会变得更加准确。

第二种方法采取了完全不同的路径，它关注的是系统随时间的变化，而非其静态结构。这种被称为生存概率估计（survival-probability estimation）的方法，通过将一个已知的初始量子态送入一个噪声过程中，然后尝试逆转该过程，以观察该状态是否能返回到原始形式，从而测试机器。研究人员测量状态在这次往返中生存下来的频率。如果机器是完美的，状态总能返回；如果机器存在噪声，状态就会发生漂移。这里的关键创新在于数据的分析方式。基于微小误差的简单数学猜测在噪声较低时效果良好，但在噪声较强时则会彻底失效。团队发现，通过使用更复杂的数学优化来拟合数据，即使在极高噪声的条件下，他们也能准确地重建保真度。这种优化后的方法被证明在高度噪声环境下远优于标准方法，在其他技术放弃的情况下，它仍能提供可靠的诊断工具。

这两种方法都使用模拟真实世界量子设备的计算机模拟进行了广泛测试。研究人员模拟了各种类型的噪声，包括量子比特状态的随机翻转和信息的逐渐丢失，涵盖了具有多个量子比特的系统。他们发现，经过测量变暗修正后的直接估计法，能够以极高的置信度准确预测状态的质量。同样，使用优化数学拟合的生存概率法，即使在噪声严重的情况下，也能成功追踪系统的退化情况。模拟涵盖了从简单的随机态到复杂的结构化态的一系列场景，证实了这两种工具的鲁棒性和适应性。结果表明，这些协议可以作为工程师的互补工具：一种最适合目标态已知且具有结构性的情况，而另一种则在目标态已知且实验周期符合特定理论条件时，擅长监测噪声随时间产生的累积效应。

这项工作的意义在于其在当前量子技术时代（通常被称为含噪声中等规模量子时代）的实用性。在这个阶段，设备已经足够大到具有研究价值，但仍然过于嘈杂，无法在没有误差的情况下运行复杂的算法。快速且准确地测量性能，对于调试这些机器并改进其设计至关重要。研究人员强调，这些不仅仅是理论构想，而是可以在现有硬件上实现的面向软件的协议。虽然目前的结果是基于模拟的，但该框架旨在接受真实超导量子处理器上的测试。团队计划将这些方法部署在实际硬件上，以观察它们在面对诸如校准漂移和相关误差等现实世界缺陷时的表现。通过提供一个灵活的保真度估计工具箱，这项研究有助于弥合设备表征与控制优化之间的鸿沟，为未来更可靠、更具可扩展性的量子计算机铺平道路。

技术摘要：利用直接法与生存概率法进行噪声量子设备的实用保真度估计

问题陈述
可靠地表征量子态与量子过程是开发可扩展量子计算的基础。然而，随着系统规模的增加，标准的量子态层析成像（Full Quantum State Tomography）等技术会面临不利的扩展成本，在实验和计算上变得不再可行。目前迫切需要一种任务特定的估计器，能够在不重建完整密度矩阵的情况下，确定操作性的性能指标（如保真度）。虽然直接保真度估计（Direct Fidelity Estimation, DFE）和周期性驱动诊断等现有方法提供了部分解决方案，但仍缺乏一个统一的框架来比较它们在不同基准测试场景下的具体优势、局限性以及噪声敏感度。

方法论
本文提出并分析了两种专为噪声中等规模量子（NISQ）设备设计的软件导向型保真度估计协议：

直接保真度估计 (DFE)：
- 原理： 该协议通过重要性采样泡利测量（Importance-sampled Pauli measurements），估计已知目标态 $\rho$ 与实验制备态 $\sigma$ 之间的重叠。通过将状态在归一化的泡利基中展开，保真度可以表示为特征函数的乘积之和。
- 采样： 泡利算符根据重要性加权分布 $p(k) = X_\rho(k)^2$ 进行选择，其中 $X_\rho(k)$ 是目标态的泡利系数。
- 噪声处理： 作者分析了读取噪声的影响，证明了测量误差会衰减泡利期望值。他们提出了一种“衰减感知”校正方法，即通过除以校准的衰减因子 $\beta_k = (1-2\alpha)^{w(k)}$ （其中 $w(k)$ 是泡利串的权重）来恢复无偏估计。
基于生存概率的协议：
- 原理： 该方法避免了显式的泡利重构。相反，它通过在重复的前向-反向循环后测量返回概率（生存概率），来表征噪声演化（由超算符 $K$ 表示）的累积效应。
- 目标： 目标是重构一个“伴随循环保真度代理” $F_Q = \langle\langle \rho_0 | \sqrt{Q} | \rho_0 \rangle\rangle$ ，其中 $Q = K^\dagger K$ 。如果实现的逆操作实现了伴随演化 $K^\dagger$ 且误差映射是半正定的，则该代理趋近于物理保真度。
- 重构： 保真度代理通过矩 $R_m = \langle\langle \rho_0 | C^m | \rho_0 \rangle\rangle$ （其中 $C$ 是前向-反向循环）利用多项式展开 $F_Q \approx \sum c_m R_m$ 进行重构。
- 优化： 作者认为标准的泰勒展开系数仅在弱噪声机制下是最优的。他们提出了使用 $L_2$ 范数优化来确定在物理相关谱区间 $[g, 1]$ 上的展开系数，这为高噪声机制提供了更稳健的近似。

核心贡献

统一框架： 本文将 DFE 和生存概率法结合到一个比较性的基准测试框架中，阐明了它们的互补性质。DFE 依赖于目标态泡利表示的结构化知识，而生存概率法则依赖于演化循环中的动力学信息。
DFE 的衰减校正： 作者提供了一种清晰的软件级 DFE 公式，并证明了应用衰减因子校正能显著提高对测量噪声的鲁棒性，即使在误差率高达 ~5% 时也能保持准确性。
$L_2$ 优化的多项式重构： 对于生存概率法，论文提出了一种使用 $L_2$ 优化系数的重构方法。数值证据表明，在中小到强噪声机制下，该方法明显优于标准的泰勒截断法。
噪声敏感度分析： 本研究分析了两种协议的理论基础和噪声敏感度，特别针对去极化（Depolarizing）、退相干（Dephasing）和振幅阻尼（Amplitude-damping）通道进行了分析。

结果
在各种噪声模型下的代表性多比特态（Haar-random、GHZ 和 W 态）上进行了数值模拟：

DFE 性能： 在四比特 Haar-random 态处于全局去极化噪声的模拟中，当应用衰减校正时，平均估计保真度与真实保真度高度吻合。即使存在读取噪声，估计值的分布仍保持稳定。
生存概率性能： 对于去极化噪声下的两比特态，相比于基于泰勒展开的近似，经过 $L_2$ 优化的伴随循环保真度代理重构在噪声强度增加时表现出显著改进。
局限性： 生存概率模拟使用了精确的矩，并未包含有限样本波动或显式的态制备与测量（SPAM）误差。因此，虽然该方法在理论上展示了对 SPAM 鲁棒性的潜力，但其在应对这些特定实验缺陷时的实际韧性仍有待通过实验建立。

意义与主张
本文声称提供了一个灵活的保真度估计工具箱，适用于近期的量子设备，前提是满足特定条件：

DFE 被呈现为一种高效且统计严谨的路径，适用于已知其泡利结构且可高效计算的目标态，特别适用于中小规模的演示。
生存概率法 被呈现为一种互补的、基于动力学的方案，适用于可以进行重复返回实验的情形，前提是实现的循环与理论伴随循环（ $Q = K^\dagger K$ ）相匹配且满足谱假设。

作者强调，这些方法并非竞争性的替代品，而是针对不同实验约束的互补工具。他们总结道，虽然数值模拟验证了所提校正和优化的理论鲁棒性，但下一个关键步骤是将这些协议部署在真实的超导量子硬件上（特别提到了 VTT 的基础设施），以验证其相对于随机基准测试（Randomized Benchmarking）等既有技术的性能，并评估其对校准漂移、泄漏和相关噪声的抵御能力。

类似论文