Noise-Aware Testing of NISQ Quantum Programs: Self-Baseline Oracle with a Controlled False-Positive Rate
本文介绍了一种用于 NISQ 量子程序的噪声感知测试框架,该框架采用了一个具有受控误报率的自基准预言机(self-baseline oracle)来可靠地将故障与硬件噪声区分开来,在模拟实验和真实的 IBM 设备实验中,均实现了比固定阈值或全局校准方法显著更高的准确率和更低的误报率。
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
当今的量子计算机运行在一个嘈杂且不完美的现实世界中。与驱动手机和笔记本电脑、能够以绝对确定性处理信息的经典机器不同,这些新设备由脆弱的组件构成,极易出错。每当量子计算机执行一次计算时,结果并非一个单一、固定的答案,而是一团可能性的云雾,受到硬件本身热量和振动的轻微干扰。这种噪声非常显著,以至于一个编写完美的程序在每次运行时都可能产生不同的结果,使得人们几乎无法判断输出的变化究竟是由于代码中的漏洞(bug),还是仅仅由于机器本身的自然抖动。对于试图在这类硬件上构建可靠应用程序的软件工程师来说,这产生了一个根本性的问题:当机器本身本身就是不可靠的时候,你如何知道你的程序是否运行正确?
来自斯利那加国立技术学院的研究人员开发了一种新的量子程序测试方法,该方法接受噪声作为现实的一部分,而不是试图消除它。该方法不再将程序的输出与硬件永远无法达到的完美理论理想进行比较,而是将程序与其自身进行比较。他们将一个经过验证的、已知的良好版本代码在同一台机器上多次运行,以建立一个关于“正常”噪声表现的基准。然后,他们运行待测程序,并检查其结果是否落在该基准的预期范围内。如果结果偏离过远,系统就会标记潜在错误。这种方法使他们能够设定一个精确的、预先确定的限制,即误判一个正确的程序为损坏的频率,这是以往的方法无法实现的控制水平。
该团队对这一框架进行了广泛测试,进行了数千次模拟以及在 IBM 实际量子硬件上的实验。他们发现,这种被称为“噪声感知预言机”(noise-aware oracle)的新方法成功地让误报变得极其罕见。在测试中,他们设定的目标是仅在每千次尝试中错误地拒绝一次正确程序。系统兑现了这一承诺,在数千次测试运行中,产生的误报率仅为 0.0011,即大约千分之一。相比之下,依赖固定阈值(本质上是在猜测一个误差切分点)的旧方法表现糟糕。那些传统方法在 36% 到 74% 的情况下会拒绝正确的程序,这意味着即使代码本身没问题,它们也会在超过一半的时间里告诉工程师代码出错了。甚至连旨在通过数学手段从结果中消除噪声的高级过滤器,仍会在近 9% 的情况下产生误报。
除了单纯识别错误外,研究人员还利用他们的系统来理解量子代码中错误的性质。他们创建了数千个略微改变的程序版本,称为“变体”(mutants),以观察系统的反应。他们发现,很大一部分变化(根据添加的逻辑门类型不同,比例在 24% 到 70% 之间)实际上并不会改变程序的行为。这些被称为“等效变体”,是测试中的一大难题,因为它们浪费了时间和资源。通过使用高保真模拟在运行于嘈杂硬件之前对每个变体进行精确标注,研究人员能够区分哪些变化是真正重要的,哪些是不重要的。他们的系统正确识别并拒绝了 93.8% 确实改变了程序逻辑的变体,同时正确忽略了那些无害的变体。这种精确度至关重要,因为它确保了当测试失败时,很可能是一个值得调查的真实问题。
研究人员还解决了弄清楚测试为何失败的难题。当系统标记一个程序损坏时,他们需要知道失败是由软件漏洞引起的,还是仅仅由机器的临时噪声峰值引起的。他们开发了一种技术,涉及在人为放大噪声的情况下运行程序,然后通过数学外推法推算如果移除噪声后的结果会是什么。如果移除噪声后两者的差异消失了,那么这就是噪声效应;如果差异依然存在,那就是软件漏洞。这种方法在低和中等噪声水平下具有很高的准确性,能以 98% 到 99% 的准确率正确识别失败原因(是漏洞还是噪声)。然而,他们发现当噪声变得极其剧烈时,该方法会遇到困难,因为信号变得太弱,难以从静电噪声中分离出来。
该研究的一个关键发现是时间和一致性的重要性。研究人员发现,这些机器中的噪声不是静态的,它会随着时间漂移,每小时都在变化。如果一个测试是在早上校准并在下午运行的,机器可能已经发生了足够的偏移,从而触发误报。为了解决这个问题,他们引入了一个“哨兵”(sentinel)检查,即在批量测试前进行快速验证运行,以确保机器没有发生漂移。在真实的 IBM 量子设备上,这一简单的检查将由漂移引起的误报率从 27.4% 降低到了仅 1.8%。这证明了对于量子测试而言,参考点必须针对机器当前的状态进行不断的验证。
研究还强调了能从这些机器中可靠提取多少信息的能力限制。测试的准确性高度依赖于程序运行的次数,即“采样次数”(shots)。研究人员发现,只有当采样次数至少为程序可能产生的每种可能结果的 16 倍时,系统才能可靠运行。如果程序过于复杂或运行次数过少,测试的统计基础就会崩溃,导致误报率变得不可预测。这为当前的量子测试设定了一个实际的边界:随着程序规模的扩大并占据更多可能的输出结果,工程师要么必须运行更多的测试次数,要么必须使用简化方法来仅检查程序的部分内容。
最终,这项工作为当前的量子计算时代提供了一套实用的工具包。它将该领域的研究重点从将嘈杂的结果与完美的、无噪声的理想进行比较(这是一个不可能实现的目标),转向了将结果与一个可信的、带有噪声的基准进行比较(这是一个现实的标准)。通过接受噪声并测量噪声,研究人员创建了一个既能敏感捕捉真实漏洞,又能严格避免“虚假报警”的测试框架。他们的发现表明,只要有正确的校准和对漂移的持续监控,软件工程师就可以开始信任量子程序的运行结果,从而为更复杂、更可靠的应用铺平道路。这项工作证实,虽然硬件是不完美的,但测试它的方法可以是严谨的,前提是这些方法是建立在机器的现实之上,而非建立在一个并不存在的理想之上。
您所在领域的论文太多了?
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要,使用您的语言。