🔬 physics

Circuit-Level vs Pulse-Level Quantum Hardware Diagnostics: K–R Scaling Exponent Detects Device Degradation Invisible to T₁/T₂ Calibration

本文证明了利用 K–R 标度指数进行的电路级诊断能够检测出显著的器件退化，并预测标准脉冲级 T₁/T₂ 相干性指标无法察觉的算法失效，这一点在 IBM Heron 处理器上的一个案例中得到了证实：该案例中报告的 T₂ 改善竟然与电路误差 920% 的增长同时发生。

原作者： RamaKrishna Pasupuleti

发布于 2026-07-22

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： RamaKrishna Pasupuleti

原始论文采用 CC BY 4.0 许可（https://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

想象一下，你正在试图判断一辆高性能赛车的健康状况。机械师检查发动机的标准方式是在车库里停着车，对每个部件进行单独的诊断。他们测量电池能保持电荷的时间有多长，或者在没有任何其他部件干扰时，活塞运动得有多平稳。如果这些数值看起来不错，机械师就会给出“绿灯”并说：“这辆车可以上场比赛了！”

但问题在于：赛车在行驶时并不是以孤立的部件状态运行的。当赛车在赛道上飞驰时，引擎在轰鸣，轮子在旋转，整个机器都在震动。有时，那些在车库里看起来完美的部件，在车速极快时会互相碰撞摩擦。一个只会在车库里检查部件的机械师，可能会忽略这样一个事实：这辆车在冲向起跑线的那一刻就可能散架。这正是量子计算领域面临的问题。科学家们正在建造微小且超高速的计算机，利用量子物理的奇特规则来解决问题。为了确保这些计算机能够正常工作，他们通常会检查其部件的“相干性”（coherence）——即一个量子比特（或称“qubit”）在变得混乱之前，能保持其脆弱状态的时长。这就像是在车库里检查电池。但正如这项新研究所示，一台计算机即使通过了所有的“车库测试”，在尝试运行一个真正的程序时，仍可能表现得一败涂地。

论文：当“绿灯”实际上是“红灯”时

在这项研究中，独立科学家 Ramakrishna Pasupuleti 决定在赛车实际行驶时对其进行测试。该研究重点关注了来自 IBM 的三台规模巨大的量子计算机，每台拥有 156 个量子比特。团队想要观察标准的“车库测试”（称为脉冲级诊断）是否与计算机尝试解决真实难题时的实际情况相匹配（电路级诊断）。

大惊喜：那台“健康”的计算机其实病了
最戏剧性的发现发生在名为 ibm_marrakesh 的特定机器上。在 2026 年 7 月 3 日至 7 月 5 日期间，标准测试讲述了一个非常乐观的故事。该机器的“相干时间”（衡量量子比特保持冷静程度的指标）提高了 12%。官方报告显示，这台机器正在变得更好、更健康。

然而，当研究人员运行一个特定的测试——称为“GHZ 电路”（这就像是要求计算机进行一次复杂的、多方参与的握手）时，结果却令人惊恐。

虽然标准测试显示机器正在改善，但现实世界的测试显示机器正在退化。
简单 2-qubit 握手的错误率飙升了 920%。
一个被称为“缩放指数”（我们可以称之为“混沌计”）的关键数值飙升了 171%。

你可以这样理解：机械师检查了机油并说：“完美！”但驾驶员尝试开车时，轮子立刻掉了下来。标准测试无法察觉到机器正陷入一种错误不断堆积的状态，而且这种错误是以一种可怕的有组织方式在累积，而非仅仅是随机噪声。

为什么车库测试错过了问题
论文解释说，标准测试是在量子比特处于孤独且安静的状态下进行测量的。但在真实的量子程序中，量子比特挤在一起并相互交谈。研究发现，当量子比特处于电路中时，它们会遭受“串扰”（crosstalk）的影响——这是一种电子层面的“闲聊”，即一个量子比特会无意中干扰其邻居。

研究人员发现了两种测量类型之间的巨大差距：

标准测试显示一个量子比特可以保持冷静 340 微秒。
现实世界的电路测试显示，同一个量子比特只能保持冷静 9 到 30 微秒。

这是 3 到 11 倍 的差距。标准测试对于只有在计算机实际工作时才会出现的“串扰”噪声完全视而不见。

新工具：“混沌计”
为了解决这个问题，论文引入了一种新的诊断工具，称为 K–R 框架。它不再仅仅检查一个部件是否损坏，而是测量随着计算机变得更加复杂，错误是如何增长的。

如果错误增长缓慢且随机，那么计算机处于“随机”（Stochastic，相对安全）区域。
如果错误增长迅速且有规律，那么计算机处于“结构化”（Structured，危险）区域。

研究表明，这种新工具可以实时发现机器正向“危险区”漂移。在 7 月 5 日，研究人员观察到“混沌计”在短短几分钟内从 2.99 稳步攀升至 3.78。标准测试并未察觉到任何异常，但新工具却在尖叫：“停下！机器正在发生偏移！”

证明理论
研究人员还使用这个工具证明了一个关于这些机器中噪声运作方式的理论预测。他们测试了一个数学规则，即两种不同类型的错误测量值之和应该正好等于 2。在真实的硬件上，他们得到了 2.14，这非常接近（误差在 7% 以内）。这证实了新工具不仅仅是一个猜测，它正在测量机器真实的物理特性。

核心结论
论文的主要结论简单而至关重要：你不能仅仅依赖“车库测试”。一台量子计算机在纸面上看起来可能很完美，但在实践中却是损坏的。作者建议，在任何人运行严肃的程序之前，都应该先运行这个新的 13 电路“指纹”测试。它仅需约 3 分钟，但它能告诉你这台机器是否真的准备好参加比赛，还是即将崩溃。

简而言之，论文认为我们不能再将量子计算机视为一系列孤立部件的集合，而应该开始检查它们在协同工作时的表现。仅仅依靠标准的“绿灯”已经不够了；我们需要一个仪表盘，来告诉我们汽车是否真的在直行。

技术摘要：电路级与脉冲级量子硬件诊断

问题陈述
当前用于认证量子处理器（QPU）健康状况的标准几乎完全依赖于脉冲级指标：相干时间 $T_1$ （振幅阻尼）和 $T_2$ （去相位）。这些指标是通过在理想条件下的孤立量子比特上进行单量子比特 Rabi 和 Ramsey 序列来测量的。本文指出，这些指标无法捕捉到在运行中的多量子比特环境下的关键失效模式。具体而言， $T_1$ 和 $T_2$ 的测量并未考虑以下因素：

来自系统性门校准误差的相干误差，这类误差随电路深度呈超线性累积。
同时操作量子比特之间的串扰（例如 ZZ 耦合）。
由门编译和连通性约束引起的上下文相关去相位。
实际算法执行过程中的时间不稳定性。

因此，一个基于改进的 $T_1/T_2$ 校准而显得“健康”的设备，可能同时在多量子比特电路性能方面遭受灾难性的退化。这造成了硬件认证质量与实际算法可靠性之间的系统性差距。

方法论
本研究利用 K–R 框架，这是一种低成本的诊断方法，通过从三参数不保真度模型中提取缩放指数 $\alpha$ ：
$C = C_0/K^\alpha + R$
其中 $C$ 是测量的误码率（infidelity）， $K = 1/d$ 是逆电路深度（或量子比特数）， $C_0$ 是可校正误差幅度， $R$ 是噪声底。指数 $\alpha$ 用于对噪声机制进行分类：

$\alpha > 1$ ：结构化、相干误差累积。
$0.3 < \alpha < 1$ ：随机、类马尔可夫（Markovian-like）累积。
$\alpha \to 0$ ：饱和、受 SPAM（状态制备与测量误差）主导的噪声。

实验在通过 IBM Quantum Open Plan 获取的三个 156 量子比特 IBM Heron r2 处理器（ibm_kingston、ibm_fez、ibm_marrakesh）上进行。该方法包括：

191 次电路执行，分布在五次实验活动中。
电路族： GHZ 态制备（规模 $n=2$ 到 $30$）、Clifford 镜像电路（深度 $d=1$ 到 $64$）、噪声放大（门折叠）以及 Hahn 回声序列。
对比分析： 直接将 K–R 电路级指标与同一设备及同一日期下 IBM 报告的脉冲级 $T_1/T_2$ 值进行对比。
漂移检测： 在单次会话内监控 $\alpha$ 随连续运行的变化，以检测会话内的退化。

关键结果

背离的健康指标： 在 ibm_marrakesh 上，2026 年 7 月 3 日至 7 月 5 日期间，IBM 报告 $T_2$ 提升了 12%（从 303 $\mu$ s 增加到 340 $\mu$ s）。相反，电路级诊断显示 K–R 指数 $\alpha$ 增加了 171%（从 1.406 增加到 3.811），且 GHZ ( $n=2$ ) 不保真度增加了 920%（从 0.018 增加到 0.204）。虽然脉冲级指标显示性能提升，但电路级指标表明硬件已严重退化进入相干误差主导机制。
电路上下文与脉冲级 $T_2$ 的差异： 在 ibm_marrakesh 的电路上下文中进行的 Ramsey 测量显示， $T_2$ 值为 9–30 $\mu$ s，而 IBM 报告的脉冲级 $T_2$ 为 32–340 $\mu$ s。这代表了 3–11 倍的差异，归因于 ZZ 串扰、门编译伪影以及在孤立量子比特校准中不可见的上下文相关频率偏移。
实时漂移检测： 在 7 月 5 日的一次单次会话期间，K–R 指数 $\alpha$ 在连续三次运行中从 2.99 单调增加到 3.78。单点不保真度测量未能检测到这种漂移，错误地将设备分类为“稳定”（不保真度 < 0.10），而 K–R 正确识别了向极端相干误差机制的转变。
理论确认： 本研究首次提供了硬件层面的证实，验证了针对 1/f 噪声的理论预测 $\alpha_{tw} + \alpha_{echo} = 2$ 。在 ibm_marrakesh 上，Clifford 深度指数与回声电路指数之和为 2.1397，与理论值 2.0 仅偏差 7%。
设备指纹识别： 尽管三个测试设备具有相同的 156 量子比特 Heron r2 架构，但它们表现出截然不同的噪声机制（结构化 vs. 随机）和漂移特征，凸显了噪声剖面是特定于校准历史和环境的，而非仅仅取决于硬件设计。

意义与主张
本文确立了电路级 K–R 诊断是标准脉冲级校准的必要补充，而非替代品。作者声称，仅依赖 $T_1/T_2$ 可能会导致在正在发生退化或处于不适合标准缓解技术（如零噪声外推法 ZNE）的相干误差机制的设备上部署算法。

主要贡献包括：

运行必要性： 证明了“健康”的 $T_2$ 认证并不能保证电路性能，因此有必要进行会话前 K–R 指纹识别（约 13 个电路，耗时 3 分钟），以确定适当的噪声机制和缓解策略。
机制分类： 提供了一个定量标量（ $\alpha$ ）来区分相干噪声与随机噪声，从而实现针对性的误差缓解（例如，对于 $\alpha > 1$ 使用动力学解耦，对于 $0.3 < \alpha < 1$ 使用 ZNE）。
漂移敏感性： 表明 K–R 诊断可以检测出单点不保真度测量所忽略的会话内漂移和机制转变，从而防止执行不可靠的长时任务。

本文得出结论，对于运行中的 NISQ 计算，13 个电路的 K–R 指纹检查应成为标准的会话前检查，以确保硬件认证与实际的多量子比特算法性能保持一致。

论文：当“绿灯”实际上是“红灯”时

技术摘要：电路级与脉冲级量子硬件诊断

类似论文