Absorção de ruído propagado (PNA)

Este pacote implementa a absorção de ruído propagado (PNA) [1] para mitigar erros no valor esperado de observáveis.

A PNA funciona “absorvendo” os inversos dos canais de ruído aprendidos em um observável alvo usando propagação de Pauli. Ou seja, cada gerador de ruído de Pauli no modelo de ruído é propagado classicamente até o final do circuito e aplicado ao observável. Isso resulta em um novo observável que, quando medido em uma QPU, mitiga o ruído de porta aprendido.

Este pacote é adequado para estimar valores esperados de circuitos quânticos gerais e observáveis de Pauli; no entanto, a técnica costuma ser mais eficaz em circuitos que são quase Clifford.

Primeiros passos

Um guia simples para ajudar você a começar rapidamente com este pacote está disponível no guia de início rápido.

Exemplos de casos de uso

Esta técnica foi usada para mitigar ruído em modelos de Ising com Trotter de 56 qubits [1].

Discussão técnica

Visão geral do método

Executar portas emaranhadoras em QPUs modernas resulta em uma quantidade substancial de ruído. Até que dispositivos totalmente tolerantes a falhas estejam disponíveis, portas emaranhadoras ideais, $U$, não estarão disponíveis. Elas serão afetadas por algum canal de ruído, $\Lambda$.

É possível aprender e caracterizar com eficiência esse ruído de porta como um modelo de Pauli-Lindblad e, como mostrado no cancelamento probabilístico de erros (PEC), podemos mitigar o erro implementando o antirruído, $\Lambda^{-1}$, com um protocolo de amostragem em QPU [2]. Outras técnicas, como a mitigação de erros por redes de tensores (TEM), implementam o canal de ruído inverso como uma etapa clássica de pós-processamento [3].

Assim como a TEM, a PNA implementa o canal de ruído inverso em uma etapa de processamento clássico. Enquanto a TEM usa redes de tensores para descrever e aplicar o mapa que mitiga ruído a um conjunto de medições informacionalmente completas, a PNA usa propagação de Pauli para propagar o observável, $O$, pelo canal de ruído inverso. Isso resulta em um novo observável, $\tilde{O}$, que, quando medido no estado ruidoso, mitiga o ruído aprendido.

Fontes de viés

• Esta implementação propaga cada gerador de erro de Pauli dentro de cada canal de antirruído, $\Lambda^{-1}_i$, até o final do circuito. À medida que cada gerador de antirruído é propagado para frente pelo circuito sob a ação de $N$ portas de rotação de Pauli de um circuito de $M$ qubits, o número de termos crescerá como $O(2^N)$ rumo a um máximo de $4^M$ componentes de Pauli únicos. Para controlar o custo computacional, termos com coeficientes pequenos devem ser truncados, o que resulta em algum erro no canal de antirruído evoluído.

• Além do truncamento do canal de antirruído evoluído, $\Lambda^{-1}$, $\tilde{O}$ também é truncado ao ser propagado por $\Lambda^{-1}$. Esta também é uma fonte de viés no valor esperado mitigado final.

• Embora deixar $\tilde{O}$ crescer mais durante a propagação aumente sua precisão, medi-lo exige muito mais shots na QPU. Normalmente, isso aumenta os coeficientes dos termos de Pauli originais em $O$, além de criar muitos novos termos de Pauli com coeficientes menores. Tanto o reescalonamento dos coeficientes originais quanto a criação de novos termos podem aumentar o overhead de amostragem. Na prática, truncamos mais uma vez medindo apenas os maiores termos em $\tilde{O}$.

Contribuindo

O código-fonte está disponível no GitHub.

O guia do desenvolvedor está em CONTRIBUTING.md, na raiz do repositório deste projeto. Ao participar, espera-se que você siga o código de conduta do Qiskit.

Usamos as issues do GitHub para acompanhar solicitações e bugs.

Citando este pacote

Se você usar este pacote em sua pesquisa, use o arquivo CITATION.bib no repositório deste projeto para citar as referências apropriadas.

Licença

Apache License 2.0

Política de descontinuação

Seguimos o versionamento semântico. Ocasionalmente, podemos fazer alterações incompatíveis para melhorar a experiência do usuário. Quando possível, manteremos as interfaces antigas e as marcaremos como descontinuadas, desde que possam coexistir com as novas. Cada melhoria substancial, alteração incompatível ou descontinuação será documentada nas notas de versão.

Referências

1. Andrew Eddins, et al., Computing noise-canceling observables via Pauli propagation, arXiv:2606.20441 [quant-ph].

2. Ewout van den Berg, et al., Probabilistic error cancellation with sparse Pauli-Lindblad models on noisy quantum processors, arXiv:2201.09866 [quant-ph].

3. Sergei Filippov, et al., Scalable tensor-network error mitigation for near-term quantum computing, arXiv:2307.11740 [quant-ph].