← Back
npj Quantum Information

Многоуровневая квантовая коррекция ошибок KIK для динамических схем

Проблема, рассматриваемая в данной статье, проистекает из непрекращающейся задачи создания надежных квантовых компьютеров в эпоху шумных квантовых вычислений промежуточного масштаба (NISQ) и далее.

Область исследования Quantum Information
Article Type Research analysis
Authors Bar et al.
Original Paper Published 2026-03-10
ISOM Posted 2026-04-08 06:28 UTC
Read Time 5M
Open PDF Open DOI Open Source Page

Editorial Disclosure

ISOM follows an editorial workflow that structures the source paper into a readable analysis, then publishes the summary, source links, and metadata shown on this page so readers can verify the original work.

The goal of this page is to help readers understand the paper's core question, method, evidence, and implications before opening the original publication.

Предпосылки и академическая родословная

Истоки и академическая родословная

Проблема, рассматриваемая в данной статье, проистекает из непрекращающейся задачи создания надежных квантовых компьютеров в эпоху шумных квантовых вычислений промежуточного масштаба (NISQ) и далее. Хотя квантовая коррекция ошибок (QEC) является конечной целью для отказоустойчивых квантовых вычислений, она требует существенных аппаратных накладных расходов, в частности, значительного увеличения числа кубитов. Это делает QEC непрактичной для текущих и ближайших устройств.

В качестве более немедленного и практичного решения возникла квантовая коррекция ошибок (QEM). QEM направлена на снижение влияния шума на результаты квантовых вычислений без необходимости обширного аппаратного обеспечения QEC. Вместо этого QEM обычно влечет за собой временные затраты, проявляющиеся в увеличении числа "выстрелов" (повторений), необходимых для достижения желаемой точности. Однако сама QEM сталкивается с проблемами масштабируемости; ее накладные расходы на выборку экспоненциально растут с объемом схемы, ограничивая ее применимость схемами с примерно сотней кубитов.

Критическим "болевым местом" многих ранних подходов QEM была их чувствительность к дрейфам шума. Параметры шума в квантовых системах, такие как времена декогеренции или величины когерентных ошибок, часто изменяются в ходе эксперимента. Поскольку методы QEM могут значительно увеличивать время выполнения эксперимента, эти временные дрейфы шума могут существенно ухудшить конечные результаты. Методы QEM, основанные на характеризации, которые полагаются на точное определение профиля шума, особенно уязвимы, поскольку время, необходимое для точной характеризации, часто конфликтует со скоростью дрейфа параметров шума.

Это привело к разработке агностических (свободных от характеризации) методов QEM, таких как экстраполяция при нулевом шуме (ZNE) и адаптивный протокол KIK, которые по своей природе более устойчивы к дрейфам шума. Адаптивный метод KIK, представленный в предыдущей работе [61], показал значительные перспективы благодаря своей устойчивости к дрейфу, применимости к неклиффордовым вентилям и гарантированным границам производительности. Он был определен как сильный кандидат для интеграции с QEC, формируя гибридные подходы QEC-QEM, которые могли бы использовать QEC для доминирующих локальных ошибок, а QEM — для остаточных, коррелированных или когерентных ошибок, с которыми QEC испытывает трудности.

Однако оригинальный адаптивный протокол KIK (называемый Global KIK или GKIK) имел два фундаментальных ограничения, которые препятствовали его беспрепятственной интеграции с QEC и динамическими схемами:
1. Несовместимость с измерениями в середине схемы (MCMs): MCMs необходимы для выполнения измерений синдромов в протоколах QEC, позволяя обнаруживать и исправлять ошибки во время вычислений. Стратегия глобального усиления шума GKIK не была совместима с этими промежуточными измерениями.
2. Остаточный систематический эффект от членов разложения Магнуса высокого порядка: Формулировка GKIK пренебрегала членами более высокого порядка в разложении Магнуса, что могло вносить небольшой, но значительный систематический эффект, особенно при работе с сильным шумом или когда требовалась очень высокая точность. Этот систематический эффект мог приводить к неточным результатам митигации.

Эти ограничения вынудили авторов разработать метод многоуровневого KIK (LKIK), который специально разработан для преодоления этих препятствий путем принятия подхода усиления шума на основе слоев, что делает его совместимым с динамическими схемами и измерениями в середине схемы, а также более эффективно решает проблемы членов разложения Магнуса высокого порядка.

Интуитивные термины предметной области

  1. Квантовая коррекция ошибок (QEM):

    • Интуитивная аналогия: Представьте, что вы пытаетесь сделать очень четкую фотографию с немного размытой камерой. QEM — это как сделать несколько фотографий, возможно, даже намеренно сделать некоторые из них немного более размытыми контролируемым образом, а затем использовать специальную компьютерную программу для их объединения и угадывания того, как должна была выглядеть идеально четкая фотография. Вы не чините объектив камеры, но получаете лучшее изображение, несмотря на его недостатки.

  2. Квантовая коррекция ошибок (QEC):

    • Интуитивная аналогия: Представьте, что вы отправляете секретное сообщение, написав его на трех отдельных листах бумаги и отдав трем разным курьерам. Если один курьер потеряет свой лист или он испачкается, вы все равно сможете восстановить исходное сообщение из двух других. QEC — это как система, которая не только сообщает вам, поврежден ли лист курьера, но и помогает вам исправить или заменить его, гарантируя, что сообщение всегда будет доставлено идеально, но это требует больше ресурсов (больше бумаги, больше курьеров).

  3. Динамические схемы:

    • Интуитивная аналогия: Рассмотрите рецепт, где следующий шаг зависит от результата предыдущего теста на вкус. Если суп слишком соленый ("результат измерения в середине схемы"), вы добавляете больше воды ("определенная операция вентиля"). Если он в самый раз, вы переходите к следующему ингредиенту. Динамическая схема — это квантовая программа, которая может изменять свой путь или операции на основе измерений, сделанных во время вычислений, а не следовать фиксированной, заранее определенной последовательности.

  4. Устойчивость к дрейфу шума:

    • Интуитивная аналогия: Если вы пытаетесь нарисовать прямую линию на движущейся лодке, "устойчивость к дрейфу шума" означает, что ваша техника рисования может адаптироваться к постоянному, непредсказуемому покачиванию лодки и все равно производить прямую линию. Это не требует остановки лодки или постоянного повторного измерения ее движения; это просто сохраняет линию прямой, несмотря на меняющиеся условия.

  5. Разложение Магнуса:

    • Интуитивная аналогия: Представьте, что вы пытаетесь предсказать точную траекторию бильярдного шара, учитывая не только начальный удар, но и крошечные несовершенства на столе, легкое сопротивление воздуха и вращение шара. Разложение Магнуса — это математический инструмент, который помогает описать путь шара, добавляя все более тонкие коррекции для этих несовершенств. "Члены разложения Магнуса высокого порядка" — это как те очень крошечные, почти незаметные эффекты, которые, хотя и малы, могут стать важными, если вам нужна чрезвычайно точная оценка того, где окажется шар.

Таблица обозначений

Обозначение Описание

Определение проблемы и ограничения

Основная постановка проблемы и дилемма

Текущий ландшафт экспериментов по квантовым вычислениям омрачен шумом, который вносит систематический эффект в ожидаемые значения, получаемые из квантовых схем. В то время как квантовая коррекция ошибок (QEM) предлагает практический путь к решению этой проблемы, существующие методы, в частности протокол Global KIK (GKIK), сталкиваются со значительными ограничениями, которые препятствуют их применимости и масштабируемости.

Входное/текущее состояние характеризуется шумными квантовыми схемами, где протокол GKIK, несмотря на свои преимущества, такие как устойчивость к дрейфу, страдает от нескольких критических недостатков:
* Несовместимость с измерениями в середине схемы (MCMs): Зависимость GKIK от "глобального усиления шума" (стр. 2) делает его принципиально несовместимым с MCMs (стр. 5). MCMs необходимы для динамических квантовых схем и являются краеугольным камнем протоколов квантовой коррекции ошибок (QEC), поскольку они включают проективные измерения, которые полностью декогерентируют состояние. Рассмотрение их как "бесконечно сильного шума" в рамках глобального свертывания приводит к неправильному усилению шума, поскольку эффект проекции является преднамеренной частью идеальной динамической схемы и не должен быть митигирован (стр. 10).
* Систематический эффект от членов разложения Магнуса высокого порядка: Формулировка GKIK пренебрегает "членами разложения Магнуса высокого порядка" (стр. 2), что приводит к "небольшому систематическому эффекту" в митигированных ожидаемых значениях (стр. 5). Этот систематический эффект становится существенным при работе с сильным шумом или когда "требуется высокая точность" (стр. 10).
* Сложность обращения гамильтониана: GKIK требует "обращения знака эффективного гамильтониана", что "нетривиально реализовать" на определенных платформах квантовых вычислений (стр. 9).

Кроме того, методы QEM, основанные на характеризации, при рассмотрении для интеграции с QEC, сталкиваются с собственным набором проблем. Логические кубиты, выход QEC, демонстрируют "минимальные" уровни ошибок (стр. 5). Характеризация этих крошечных ошибок для митигации становится "трудоемкой" и требует "высокоточных характеризаций шума" (стр. 4-5), что делает такую интеграцию непрактичной.

Желаемая конечная точка (выходное/целевое состояние) — это метод QEM, который является "устойчивым к дрейфу и свободным от систематических эффектов" для митигации ошибок вентилей в "динамических схемах" (стр. 9). В частности, этот метод должен:
* Быть "совместимым с измерениями в середине схемы" (стр. 2, стр. 5).
* Эффективно подавлять "остаточные ошибки из-за неучтенных членов разложения Магнуса высокого порядка" (стр. 2), обеспечивая высокую точность даже в условиях сильного шума.
* Обеспечивать "беспрепятственную интеграцию с кодами квантовой коррекции ошибок" (стр. 2), позволяя QEC обрабатывать доминирующий шум, в то время как QEM обрабатывает остаточные и коррелированные ошибки.
* Достигать этих улучшений "без дополнительных накладных расходов или экспериментальной сложности" по сравнению с оригинальным протоколом GKIK (стр. 2, стр. 9).
* Быть способным снизить остаточную ошибку митигации ниже "целевой экспериментальной точности" путем регулировки количества слоев (стр. 17).

Точное недостающее звено или математический пробел между текущим состоянием и желаемой конечной точкой заключается в разработке протокола QEM, который может систематически решать проблему систематического эффекта $\Omega_2$ и интегрировать MCMs без ущерба для процесса митигации или чрезмерных накладных расходов. В статье предлагается "многоуровневое применение KIK" (LKIK) для устранения этого пробела. Математически производительность GKIK ограничена членом разложения Магнуса второго порядка $\Omega_2^G$ всей схемы (стр. 17). Подход LKIK направлен на устранение вклада коммутаторов между слоями в $\Omega_2$ и на то, чтобы оставшиеся вклады $\Omega_2$ стали пренебрежимо малыми за счет увеличения количества слоев, тем самым достигая работы без систематических эффектов (стр. 17). Задача состоит в том, чтобы сформулировать этот многоуровневый подход таким образом, чтобы он корректно усиливал шум для каждого слоя, сохраняя при этом функциональность MCMs и компенсируя члены шума более высокого порядка.

Болезненный компромисс или дилемма, которая поставила в тупик предыдущих исследователей, пытавшихся решить эту конкретную проблему, проявляется несколькими способами:
1. Время выполнения QEM против дрейфа шума: Многие протоколы QEM значительно увеличивают время выполнения эксперимента, что, в свою очередь, усиливает влияние "временных дрейфов шума" (стр. 4). Методы, основанные на характеризации шума, особенно уязвимы, поскольку их характеризация устаревает во время длительных экспериментальных прогонов (стр. 4).
2. Интеграция QEC с QEM, основанной на характеризации: Желание объединить QEC с QEM велико, но QEM, основанная на характеризации, требует, чтобы ошибки были достаточно выраженными и простыми по структуре для эффективного обучения. Это противоречит "минимальным" и сложным ошибкам, ожидаемым на логических кубитах после QEC, что приводит к "трудоемким высокоточным характеризациям шума" (стр. 4-5). Это создает дилемму, при которой улучшение QEC затрудняет интеграцию QEM.
3. Глобальное усиление GKIK против измерений в середине схемы: Глобальный характер усиления шума GKIK принципиально противоречит локальной природе проективных операций MCMs. MCMs являются неотъемлемой частью динамических схем и QEC, но структура GKIK не может корректно обрабатывать их, что приводит к "неправильному усилению шума", если MCMs рассматриваются как часть схемы, которую нужно обратить (стр. 10). Это основная дилемма для достижения интеграции QEC-QEM с GKIK.
4. Точность/сила шума против стоимости выборки: Достижение высокой точности или митигация сильного шума с помощью GKIK требует учета "членов разложения Магнуса высокого порядка". Однако стоимость выборки, необходимая для учета этих членов, может стать "нереалистичной" (стр. 10), создавая компромисс между желаемой производительностью и экспериментальной осуществимостью.

Ограничения и режимы отказа

Проблема надежной квантовой коррекции ошибок для динамических схем делает ее "невероятно сложной" из-за нескольких суровых, реалистичных препятствий:

  • Физические ограничения:

    • Сложность обращения гамильтониана: Метод GKIK требует "обращения знака эффективного гамильтониана" (стр. 9). Это не универсально тривиальная операция, и ее может быть сложно реализовать на различных платформах квантовых вычислений, особенно для сложных вентилей или архитектур.
    • Скорость управляющей электроники для тонких слоев: Хотя LKIK предлагает преимущества, использование "более тонких слоев" (т.е. разделение схемы на множество мелких сегментов) может потребовать "более быстрой управляющей электроники" из-за более частых смен знака гамильтониана возбуждения (стр. 25). Это накладывает аппаратное ограничение на гранулярность слоев.
    • Шум утечки и возбуждения в тонких слоях: Для "более тонких слоев" существует повышенная "вероятность шума утечки и возбуждения невычислительных состояний" (стр. 25). Митигация этих эффектов требует дополнительных методов формирования импульсов, что усложняет экспериментальную установку.

  • Вычислительные/выборочные ограничения:

    • Экспоненциальные накладные расходы на выборку QEM: Большинство методов QEM, включая KIK, влекут за собой "накладные расходы на выборку", которые растут "экспоненциально" с объемом схемы (стр. 3). Это ограничивает их применимость схемами с относительно небольшим числом кубитов (например, до ста в сверхпроводящих схемах).
    • Трудоемкая характеризация шума: Методы QEM, основанные на характеризации, требуют точного знания параметров шума. Для "минимальных" ошибок, таких как на логических кубитах, это приводит к "трудоемким высокоточным характеризациям шума" (стр. 4-5), что делает их непрактичными для приложений в реальном времени или больших схем.
    • Нереалистичные затраты на выборку для высокой точности: Когда шум сильный или "требуется очень высокая точность", стоимость выборки, необходимая для учета членов разложения Магнуса высокого порядка, может стать "нереалистичной" (стр. 10).
    • Экспоненциальные накладные расходы для наивной послойной митигации: Прямой подход митигации каждого слоя независимо (например, путем умножения митигированных операторов эволюции для каждого слоя) приводит к накладным расходам на выборку, которые "экспоненциально растут с числом слоев" (стр. 22). Например, митигация первого порядка для десяти слоев может потребовать примерно одного миллиона ($2^{20}$) выстрелов, что часто является непомерным.

  • Ограничения, основанные на данных:

    • Временные дрейфы шума: Параметры шума в квантовых процессорах не статичны; они "обычно изменяются со временем" из-за таких факторов, как колебания температуры, блуждающие электромагнитные поля или дефекты двухуровневых систем (стр. 4, стр. 6). Поскольку эксперименты QEM могут длиться "десятки часов или более", эти дрейфы могут существенно повлиять на точность митигации (стр. 6).
    • Требования к QEM, основанной на характеризации: Чтобы методы, основанные на характеризации, были эффективными, ошибки должны быть "достаточно выраженными, чтобы их можно было изучить за разумное время с достаточной точностью", а "структура шума должна быть достаточно простой, чтобы ее можно было описать с помощью небольшого числа параметров" (стр. 4-5). Эти условия часто не выполняются, особенно для логических кубитов.
    • Шумные измерения в середине схемы: В практических квантовых системах MCMs "часто шумны", что может "привести к выполнению неправильных вентилей" (стр. 15). Это вносит еще один уровень ошибок, который необходимо устранить, усложняя динамические схемы.

Режимы отказа (если эти ограничения не преодолены или используются предыдущие методы):
* Снижение производительности: Если протоколы QEM не устойчивы к дрейфам шума, конечные результаты будут существенно затронуты, что приведет к ненадежным результатам (стр. 4).
* Неправильные результаты: Использование таких методов, как вставка вентилей для усиления шума, когда шум не коммутирует с идеальным унитарным оператором, приводит к "неправильному усилению" и систематическим результатам (стр. 8, стр. 20).
* Невозможность интеграции QEC: Несовместимость GKIK с MCMs означает, что QEC, которая сильно полагается на MCMs для измерений синдромов, не может быть беспрепятственно интегрирована, тем самым ограничивая общие возможности подавления ошибок (стр. 5, стр. 10).
* Недостижимая точность: Пренебрежение членами разложения Магнуса высокого порядка в GKIK означает, что достижение очень высокой точности или митигация сильного шума становится невозможным без "нереалистичных" затрат на выборку (стр. 10).
* Узкое место масштабируемости: Экспоненциальные накладные расходы на выборку многих методов QEM, если они не устранены, препятствуют их применению к более крупным, более сложным квантовым схемам, ограничивая масштабируемость квантовых вычислений (стр. 3).

Почему этот подход

Неизбежность выбора

Подход многоуровневого KIK (LKIK) является единственным жизнеспособным решением, поскольку он напрямую устраняет критические ограничения предыдущих методов квантовой коррекции ошибок (QEM), включая наиболее перспективный ранее протокол Global KIK (GKIK). Традиционные методы "на уровне современных достижений" (SOTA), такие как QEM, основанная на характеризации (например, вероятностная коррекция ошибок, клиффордова регрессия, машинное обучение), были признаны недостаточными, поскольку они по своей природе чувствительны к временным дрейфам шума. Параметры шума в квантовых системах обычно изменяются со временем, а существенные накладные расходы на выборку, понесенные методами QEM, означают, что эксперименты могут длиться десятки часов, что делает эти дрейфы серьезным препятствием (стр. 4, стр. 6). Кроме того, методы, основанные на характеризации, испытывают трудности с минимальными уровнями ошибок, ожидаемыми на логических кубитах, что приводит к непрактично длительному времени характеризации и несовместимости с требованиями квантовой коррекции ошибок (QEC) (стр. 5).

Агностические методы усиления шума, хотя и более устойчивы к дрейфу, также имели существенные недостатки. Экстраполяция нулевого шума (ZNE) с растяжением импульсов требует сложной калибровки и несовместима с методами твирлинга, которые неправильно масштабируют когерентные ошибки. Цифровая ZNE страдает от сильного систематического эффекта ошибки при некоммутативности шума с идеальным унитарным оператором, что часто имеет место. NOX, будучи теорией митигации первого порядка, ограничена сценариями слабого шума (стр. 4).

Адаптивный метод KIK (GKIK) был определен как сильный кандидат для QEM, устойчивой к дрейфу, и интеграции с QEC, предлагая гарантии сходимости для несильного шума. Однако сам GKIK имел два критических внутренних препятствия, которые препятствовали его универсальной применимости:
1. Несовместимость с измерениями в середине схемы (MCMs): Глобальный подход свертывания GKIK несовместим с MCMs, которые необходимы для выполнения измерений синдромов в протоколах QEC. GKIK рассматривает MCMs как "бесконечно сильный шум", который полностью декогерентирует состояние, делая их невозможными для митигации в его рамках без изменения идеальной функциональности динамической схемы (стр. 5, стр. 10).
2. Остаточный систематический эффект от членов разложения Магнуса высокого порядка: GKIK демонстрировал небольшой, но значительный систематический эффект из-за неучтенных коррекций разложения Магнуса более высокого порядка. Этот систематический эффект становится проблематичным при сильном шуме или когда требуется высокая точность (стр. 5, стр. 9, стр. 10).

Авторы поняли, что для одновременного преодоления этих двух конкретных препятствий, сохраняя при этом критическую устойчивость к дрейфу и агностическую природу KIK, необходим многоуровневый подход. Это осознание привело к разработке многоуровневого KIK (LKIK), который явно разработан для решения этих проблем и открытия пути к действительно устойчивым к дрейфу и свободным от систематических эффектов протоколам QEC-QEM (стр. 9).

Сравнительное превосходство

Многоуровневый KIK (LKIK) предлагает качественное превосходство над предыдущими методами, включая Global KIK (GKIK), в первую очередь благодаря улучшенному подавлению систематических эффектов и встроенной совместимости с динамическими схемами.

Во-первых, LKIK значительно улучшает подавление систематических эффектов. GKIK, хотя и эффективен, страдал от остаточного систематического эффекта из-за членов разложения Магнуса высокого порядка (стр. 5, стр. 10). LKIK, разделяя схему на слои и применяя усиление KIK слой за слоем, систематически подавляет эти высокопорядковые коррекции. Анализ показывает, что вклад коммутаторов между слоями (представленных квадратными областями на рисунке 2) устраняется, а вклады второго порядка разложения Магнуса, специфичные для слоя (синие треугольники на рисунке 2), становятся пренебрежимо малыми с увеличением числа слоев ($L$) (стр. 17, стр. 18). Это приводит к "методу без систематических эффектов" на практике, что означает, что для любой целевой точности может быть выбрано достаточно большое $L$ для снижения остаточного систематического эффекта ниже целевой экспериментальной точности (стр. 18). Количественно, для тонких слоев остаточная ошибка масштабируется как $1/L^2$ (стр. 19, рис. 3), что "существенно быстрее", чем грубая граница $1/L$, демонстрируя структурное преимущество в снижении ошибок.

Во-вторых, дизайн LKIK по своей сути поддерживает измерения в середине схемы (MCMs) и динамические схемы, что является критическим структурным преимуществом перед GKIK. Глобальный подход свертывания GKIK был несовместим с MCMs, поскольку они представляют собой проективные операции, которые не могут быть глобально инвертированы или усилены без искажения идеальной схемы (стр. 10). LKIK преодолевает это, рассматривая MCMs как не масштабируемые функции в рамках многоуровневой митигации. Это позволяет включать MCMs без митигации, сохраняя их идеальную функциональность в динамических схемах (стр. 15, уравнения 22, 23, рис. 4). Это ключевое отличие, поскольку динамические схемы, включая коды QEC, сильно зависят от MCMs.

Наконец, LKIK сохраняет ключевое преимущество устойчивости к дрейфу оригинального протокола KIK. Это означает, что он может обрабатывать временные вариации параметров шума, такие как изменения времен декогеренции или когерентных ошибок, без снижения производительности (стр. 4, стр. 8). Это значительное качественное преимущество перед методами QEM, основанными на характеризации, которые по своей природе чувствительны к таким дрейфам (стр. 4, стр. 6). Сочетание устойчивости к дрейфу, работы без систематических эффектов и совместимости с MCMs делает LKIK подавляюще превосходящим для интеграции QEM с QEC и для общих динамических схем в эпоху шумных квантовых вычислений промежуточного масштаба (NISQ).

Соответствие ограничениям

Метод многоуровневого KIK (LKIK) идеально соответствует суровым требованиям квантовой коррекции ошибок для динамических схем, эффективно сочетая ограничения проблемы с уникальными свойствами решения.

  1. Совместимость с динамическими схемами и измерениями в середине схемы (MCMs): Основным ограничением было разработать метод QEM, применимый к любой динамической схеме, включая те, которые используют MCMs, являющиеся фундаментальными для QEC. GKIK потерпел неудачу здесь из-за своего глобального подхода свертывания (стр. 5, стр. 10). LKIK решает это напрямую благодаря своей многоуровневой схеме усиления. Применяя усиление KIK к отдельным слоям, MCMs могут быть включены как немитигируемые операции, которые не митигируются, тем самым сохраняя их идеальную функциональность в динамической схеме (стр. 15, уравнения 22, 23). Это идеальное соответствие, как показано численными симуляциями, демонстрирующими, что LKIK одинаково хорошо работает как для унитарной эволюции, так и для динамических схем с MCMs и прямой связью (рис. 4, стр. 21).

  2. Устойчивость к дрейфу: Ключевой желаемой характеристикой протоколов QEM является устойчивость к дрейфам шума, когда параметры шума изменяются в ходе эксперимента (стр. 4). LKIK наследует это критическое свойство от протокола KIK. Порядок выполнения схем усиления специально структурирован для устранения эффектов временного дрейфа шума, гарантируя, что производительность метода не снижается даже при флуктуациях параметров шума (стр. 8, стр. 9). Это напрямую решает проблему надежной работы на реальном, дрейфующем квантовом оборудовании.

  3. Митигация членов шума высокого порядка и работа без систематических эффектов: Существенным ограничением для высокоточной QEM является наличие остаточных ошибок от членов шума высокого порядка, которые преследовали GKIK (стр. 5, стр. 10). Многоуровневый подход LKIK систематически подавляет эти члены. Устраняя вклады коммутаторов между слоями и делая вклады второго порядка разложения Магнуса, специфичные для слоя, пренебрежимо малыми при достаточном количестве слоев, LKIK на практике достигает "работы без систематических эффектов" (стр. 17, стр. 18). Остаточная ошибка масштабируется как $1/L^2$ для тонких слоев, гарантируя, что ошибку митигации можно снизить ниже любой целевой экспериментальной точности, выбрав соответствующее количество слоев (стр. 19). Это напрямую решает потребность в высокоточной митигации даже при наличии сильного шума.

  4. Беспрепятственная интеграция с квантовой коррекцией ошибок (QEC): Общая цель заключалась в обеспечении надежной и устойчивой к дрейфу коррекции ошибок для схем, подвергающихся несовершенной QEC (стр. 3). Поскольку коды QEC являются примерами динамических схем, совместимость LKIK с динамическими схемами и MCMs делает его беспрепятственно интегрируемым с QEC. Это позволяет QEC обрабатывать доминирующие локальные, некоррелированные ошибки, в то время как LKIK подавляет остаточные ошибки, такие как утечка, коррелированные и когерентные ошибки, которые сложны для QEC (стр. 3, стр. 15). Эта синергия обеспечивает надежный гибридный подход, который идеально соответствует видению повышения надежности экспериментов по квантовым вычислениям.

Отклонение альтернатив

В статье представлены четкие обоснования для отклонения других популярных подходов QEM, подчеркивая их фундаментальные ограничения в контексте динамических схем, устойчивости к дрейфу и требований к высокой точности.

  • Методы QEM, основанные на характеризации (например, PEC, PEA, клиффордова регрессия, машинное обучение): Эти методы были явно отклонены из-за их "врожденной чувствительности к временным дрейфам шума" (стр. 4, стр. 6). Параметры шума в квантовых системах не статичны; они могут значительно изменяться в течение длительного времени выполнения экспериментов QEM, что делает методы, основанные на характеризации, ненадежными, поскольку выученная модель шума быстро устаревает. Кроме того, применение этих методов к логическим кубитам, где ожидаются минимальные ошибки, потребует "трудоемких высокоточных характеризаций шума", которые непрактичны (стр. 5). Они также представляют трудности для интеграции QEC из-за этих требований к характеризации.

  • Методы экстраполяции нулевого шума (ZNE) (например, ZNE с растяжением импульсов, цифровая ZNE, NOX):

    • ZNE с растяжением импульсов была признана проблематичной, поскольку она "требует тщательных процедур контроля и калибровки" и "также не полностью совместима с методами твирлинга... поскольку растяжение неправильно масштабирует когерентные ошибки" (стр. 4). Это ограничивает ее практическую применимость и эффективность для определенных типов шума.
    • Цифровая ZNE страдает от "сильного систематического эффекта ошибки при любом порядке митигации, когда шум не коммутирует с идеальным унитарным оператором — что обычно и происходит" (стр. 4). В статье прямо указано, что "цифровое усиление шума корректно только в редких случаях, когда шум случайно коммутирует с идеальным вентилем" (стр. 7), что делает его в целом непригодным.
    • NOX был отклонен для сценариев высокой точности или сильного шума, поскольку он "является теорией митигации первого порядка и поэтому ограничен сценариями слабого шума" (стр. 4).

  • Методы очистки: Эти подходы рассматривались, но были отклонены, поскольку они "предполагают аппаратные накладные расходы и ограничены ограниченными моделями шума" (стр. 6). Целью был метод без дополнительных аппаратных накладных расходов и более широкой применимости.

  • Global KIK (GKIK): Хотя GKIK был сильным кандидатом для QEM, устойчивой к дрейфу, он в конечном итоге был отклонен как окончательное решение из-за двух критических недостатков (стр. 5, стр. 9, стр. 10):

    1. Несовместимость с измерениями в середине схемы (MCMs): Механизм глобального свертывания GKIK не может должным образом обрабатывать MCMs, которые необходимы для динамических схем и измерений синдромов QEC. MCMs действуют как "бесконечно сильный шум", который не может быть описан в рамках глобального свертывания без искажения идеальной схемы (стр. 10).
    2. Остаточный систематический эффект от членов разложения Магнуса высокого порядка: GKIK демонстрировал небольшой, но постоянный систематический эффект, который становился значительным при сильном шуме или когда требовалась очень высокая точность (стр. 10). Это ограничение означало, что он не мог достичь истинно свободной от систематических эффектов митигации.

Подход многоуровневого KIK был разработан специально для преодоления этих выявленных недостатков всех существующих альтернатив, предоставляя устойчивый к дрейфу, свободный от систематических эффектов и совместимый с динамическими схемами метод QEM без дополнительных аппаратных накладных расходов.

Figure 2. Local contributions to the global Ω2. (a) & (b) The performance of the global KIK introduced in [61] is limited by the second-order Magnus term of the entire circuit, ΩG 2 . ΩG 2 is calculated using a double integral whose inte- gration domain is depicted by the big triangle in (a). τ is the time duration of the unmitigated circuit. The same circuit can be described as a sequence of L consecutive layers (L = 4 in (a)). As a result, ΩG 2 can be divided into two different types of contributions: i) the blue triangles that arise from the Ω2 of each layer, and ii) the orange squares which originate from the Ω1 commutator of different layers. Crucially, we show that in the layered KIK protocol, the contribution of the squares is eliminated, leaving only the blue triangles con- tribution. Furthermore, as the layers get thinner (b), the contribution of the blue triangles becomes negligible. From this argument one can derive an upper bound on the LKIK mitigation error that scales as 1/L. Interestingly, when the layers are sufficiently thin, we find a tighter error bound that scales as 1/L2. As such, LKIK is bias-free in practice, since it is always possible to choose a sufficiently large L that guarantees that the residual mitigation error remains below the target experimental accuracy

Математический и логический механизм

Основное уравнение

Основной математический механизм квантового метода коррекции ошибок Layered KIK (LKIK), представленный в данной статье, вращается вокруг построения митигированного оператора эволюции путем линейного комбинирования усиленных шумных схем. Центральное уравнение для митигированного оператора эволюции LKIK, обобщенное для $L$ слоев и порядка митигации $M$, задается как:

$$ K_{\text{mit,LKIK}}^{(M)} = \sum_{j=0}^M a_j^{(M)} \prod_{l=1}^L K_l(K_l^I K_l)^j $$

После построения этого митигированного оператора, конечное митигированное ожидаемое значение для наблюдаемой $A$ на начальном состоянии $\rho_0$ получается путем:

$$ A_{\text{mit}}^{(M)} = \sum_{j=0}^M a_j^{(M)} \langle A | \left( \prod_{l=1}^L K_l(K_l^I K_l)^j \right) | \rho_0 \rangle $$

Покомпонентный анализ

Давайте разберем эти уравнения, чтобы понять каждый компонент:

  • $K_{\text{mit,LKIK}}^{(M)}$: Это многоуровневый митигированный оператор эволюции KIK порядка $M$.

    • Математическое определение: Это линейная комбинация произведений операторов усиленных шумных слоев.
    • Физическая/логическая роль: Этот оператор представляет собой наилучшую оценку идеального, свободного от шума оператора эволюции $U$ после применения протокола митигации LKIK. Его цель — эффективно "отменить" шум, присутствующий в квантовой схеме.
    • Почему суммирование: Суммирование используется для формирования полиномиальной аппроксимации обратного канала шума. Каждый член суммы вносит вклад в коррекцию более высокого порядка, позволяя достичь более точной митигации при увеличении $M$.

  • $M$: Это порядок митигации.

    • Математическое определение: Целое число, представляющее наивысшую степень усиления шума, включенную в линейную комбинацию.
    • Физическая/логическая роль: Более высокое значение $M$ подразумевает более сложную полиномиальную аппроксимацию обратного шума, что приводит к потенциально лучшей митигации ошибок, но также к увеличению накладных расходов на выборку.

  • $a_j^{(M)}$: Это коэффициенты для линейной комбинации.

    • Математическое определение: Вещественные числа, обычно получаемые из разложения в ряд Тейлора (коэффициенты Тейлора, как в уравнении (4)) или определяемые адаптивно путем минимизации нормы L2 (адаптивные коэффициенты, упомянутые в ссылке [61]).
    • Физическая/логическая роль: Эти коэффициенты имеют решающее значение для обеспечения того, чтобы линейная комбинация усиленных шумных схем эффективно аппроксимировала идеальную, свободную от шума эволюцию. Они разработаны для компенсации членов шума до определенного порядка. Статья в основном фокусируется на коэффициентах Тейлора, которые аналитически выводятся и не изучаются.
    • Почему сложение: Коэффициенты складываются, поскольку они образуют линейную комбинацию, которая является математической структурой для полиномиальной аппроксимации.

  • $\prod_{l=1}^L$: Это представляет собой произведение по слоям.

    • Математическое определение: Последовательное составление операторов, упорядоченное от $l=1$ до $L$.
    • Физическая/логическая роль: Это означает, что квантовая схема разделена на $L$ отдельных, неперекрывающихся "слоев". Общая эволюция схемы является последовательным применением этих эволюций слоев. Произведение обеспечивает соблюдение временного порядка операций, что крайне важно в квантовой механике.

  • $K_l$: Это шумовой оператор эволюции для слоя $l$.

    • Математическое определение: Оператор (в пространстве Лиувилля), описывающий фактическую, несовершенную квантовую эволюцию $l$-го слоя, включая как идеальную унитарную операцию, так и шум.
    • Физическая/логическая роль: Это фундаментальный строительный блок шумной схемы. Именно от него мы пытаемся митигировать ошибки.

  • $K_l^I$: Это импульсно-обратный оператор $K_l$.

    • Математическое определение: Оператор, полученный путем обращения расписания эффективного гамильтониана взаимодействия для слоя $l$ и инвертирования его знака.
    • Физическая/логическая роль: Импульсно-обратный оператор является критически важным компонентом протокола KIK. Он разработан для "отмены" идеальной части $K_l$, сохраняя или усиливая шум контролируемым образом. Это позволяет строить схемы с усиленным шумом.

  • $(K_l^I K_l)^j$: Этот член представляет собой усиленный шум для слоя $l$ с коэффициентом усиления $j$.

    • Математическое определение: Оператор $K_l^I K_l$, примененный $j$ раз.
    • Физическая/логическая роль: Произведение $K_l^I K_l$ разработано таким образом, что его идеальная часть является тождеством, но его шумная часть усилена. Повторение этого $j$ раз еще больше усиливает шум. Это контролируемое усиление является основной идеей усиления шума на основе митигации ошибок.

  • $\langle A | \cdot | \rho_0 \rangle$: Это обозначает ожидаемое значение оператора.

    • Математическое определение: В пространстве Лиувилля для оператора $O$ ожидаемое значение равно $\text{Tr}[A \cdot O(\rho_0)]$, где $A$ — наблюдаемая, а $\rho_0$ — начальное состояние. Обозначение $\langle A | O | \rho_0 \rangle$ является компактным способом выражения этого.
    • Физическая/логическая роль: Это конечная величина, представляющая интерес в квантовом эксперименте — среднее значение измерения. Цель митигации — сделать это значение как можно ближе к идеальному, свободному от шума ожидаемому значению.

Пошаговый поток

Представьте квантовое вычисление как сложную машину, а LKIK — как сложный процесс ремонта и калибровки. Вот как одна абстрактная точка данных (представляющая квантовое состояние) проходит через этот механизм:

  1. Разборка схемы: Сначала исходная, полная квантовая схема, которая выполняет желаемое вычисление, но является неотъемлемо шумной, концептуально разбивается на $L$ меньших, последовательных "слоев" ($K_1, K_2, \dots, K_L$). Каждый слой $K_l$ сам по себе является шумной операцией.

  2. Усиление шума для каждого слоя: Для каждого отдельного слоя $K_l$ протокол генерирует серию "усиленных" версий. Это включает создание специальной схемы "импульсно-обратного оператора", $K_l^I$, которая разработана для эффективного обращения идеальной части $K_l$. Затем для каждого слоя $l$ и для различных коэффициентов усиления $j$ (от $0$ до $M$) создается блок усиления шума $(K_l^I K_l)^j$. Когда $j=0$, этот блок является просто тождеством. Когда $j=1$, это $K_l^I K_l$, и так далее. Ключевым моментом здесь является то, что $K_l^I K_l$ усиливает шум, не изменяя идеальную унитарную функциональность.

  3. Сборка обратно в усиленные полные схемы: Далее, для каждого порядка митигации $j$, собирается полная, полноразмерная квантовая схема. Эта собранная схема формируется путем конкатенации исходного шумного слоя $K_l$ с его блоком усиления шума $(K_l^I K_l)^j$, для каждого слоя $l$. Полная схема для данного $j$ выглядит как $K_L(K_L^I K_L)^j \dots K_2(K_2^I K_2)^j K_1(K_1^I K_1)^j$. Этот процесс генерирует $M+1$ различных полных схем, каждая с разным уровнем усиления шума во всех ее слоях.

  4. Выполнение и измерение: Каждая из этих $M+1$ специально сконструированных схем затем выполняется на квантовом компьютере, начиная с начального состояния $\rho_0$. Для каждого выполнения измеряется ожидаемое значение наблюдаемой $A$. Это дает набор необработанных, шумных ожидаемых значений, $A_0^{\text{raw}}, A_1^{\text{raw}}, \dots, A_M^{\text{raw}}$.

  5. Постобработка (линейная комбинация): Наконец, эти необработанные ожидаемые значения передаются на классический компьютер. Здесь они комбинируются с использованием заранее определенного набора коэффициентов, $a_j^{(M)}$. Конечное митигированное ожидаемое значение, $A_{\text{mit}}^{(M)}$, рассчитывается как взвешенная сумма: $A_{\text{mit}}^{(M)} = \sum_{j=0}^M a_j^{(M)} A_j^{\text{raw}}$. Эта линейная комбинация действует как фильтр, компенсируя усиленные члены шума, чтобы обеспечить лучшую оценку истинного, свободного от шума ожидаемого значения.

Динамика оптимизации

"Оптимизация" в Layered KIK (LKIK) — это не непрерывный итеративный процесс обучения в обычном смысле машинного обучения, а скорее стратегическая схема построения и постобработки, разработанная для сходимости и снижения систематических эффектов.

  1. Полиномиальная аппроксимация для инверсии шума: Основная идея заключается в аппроксимации обратного канала шума, $N^{-1}$, с использованием полиномиального разложения. Коэффициенты $a_j^{(M)}$ выбираются таким образом, чтобы линейная комбинация $\sum_{j=0}^M a_j^{(M)} N^{2j}$ эффективно аппроксимировала $N^{-1}$. Для целей данной статьи эти коэффициенты в основном являются коэффициентами Тейлора, которые аналитически выводятся (уравнение 4) из разложения в ряд Тейлора $x^{-1}$ вокруг $x=1$. Следовательно, в этой конкретной работе нет "обучения" или итеративного обновления этих коэффициентов. Коэффициенты фиксированы после выбора порядка митигации $M$.

  2. Сходимость через порядок митигации ($M$): Точность митигации улучшается с увеличением порядка митигации $M$. Более высокое значение $M$ означает полиномиальную аппроксимацию обратного канала шума более высокой степени, которая может компенсировать более сложные или высокопорядковые члены шума. Это приводит к более точному митигированному ожидаемому значению, сходящемуся к идеальному значению. Однако увеличение $M$ также влечет за собой более высокие накладные расходы на выборку, поскольку требуется выполнение большего количества схем.

  3. Снижение систематического эффекта через слоение ($L$): Ключевым нововведением LKIK является его способность значительно снижать остаточный систематический эффект за счет разделения схемы на $L$ слоев. В статье показано, что ведущий член систематического эффекта, связанный с членом разложения Магнуса второго порядка $\Omega_2$, масштабируется как $1/L^2$ для достаточно тонких слоев (уравнение 34). Это означает, что с увеличением количества слоев $L$ сам систематический эффект метода митигации может быть сделан произвольно малым, делая протокол практически "свободным от систематических эффектов" при достаточно большом $L$. Это важный механизм сходимости, отличный от увеличения $M$.

  4. Механизм устойчивости к дрейфу: Протокол разработан для устойчивости к временным дрейфам шума. Это достигается путем структурирования эксперимента таким образом, чтобы общее количество выстрелов измерения было разделено на несколько наборов. В каждом наборе выполняются все $M+1$ усиленных схем (для данного $M$). Это гарантирует, что любой дрейф шума, происходящий во время эксперимента, одинаково влияет на все схемы в наборе. Линейная комбинация (суммирование) в шаге постобработки затем эффективно компенсирует этот общий систематический эффект, вызванный дрейфом, из каждого набора. Усреднение митигированных результатов по многим таким наборам еще больше снижает дисперсию, приводя к надежному, устойчивому к дрейфу результату. Это умный способ обработки изменяющегося во времени шума без необходимости его характеризации.

Таким образом, механизм LKIK "обучается" в том смысле, что его коэффициенты предварительно вычисляются для аппроксимации обратной функции, и он "сходится" путем увеличения порядка этой аппроксимации ($M$) и снижения внутреннего систематического эффекта за счет слоения схемы ($L$). Надежность метода дополнительно укрепляется его встроенной устойчивостью к дрейфу, которая является структурным свойством его протокола выполнения, а не итеративной оптимизацией.

Результаты, ограничения и заключение

Дизайн эксперимента и базовые линии

Авторы тщательно проверили свой подход многоуровневого KIK (LKIK) в основном с помощью численных симуляций, со ссылками на сопутствующие экспериментальные работы по отдельным аспектам. Основная экспериментальная архитектура для доказательства их математических утверждений включала сравнение LKIK с методом Global KIK (GKIK), который служит основной базовой линией.

Для основного сравнения использовалась симуляция на четырех кубитах, как показано на рисунке 1. Эксперимент был разработан для измерения разницы $\Delta(A)$ между митигированным ожидаемым значением и идеальным значением, построенной в зависимости от порядка митигации $M$. Порядок $M=0$ представлял отсутствие митигации. Были протестированы два параметра силы шума: более слабый сценарий шума с $\xi = 0.02$ (рис. 1a) и более сильный сценарий шума с $\xi = 0.2$ (рис. 1b). Идеальное ожидаемое значение было установлено примерно на уровне $0.025$. "Жертвами" в этом сравнении были GKIK (представленный как "1 слой (GKIK)") и LKIK с различными количествами слоев (2, 4, 10, 20 слоев). Эта установка позволила провести прямое сравнение того, как увеличение количества слоев в LKIK повлияло на производительность митигации при различных условиях шума.

Чтобы специально продемонстрировать масштабирование остаточной ошибки, рисунок 3 представил численное эксперимент для той же четырехкубитной схемы, что и на рисунке 1a, но на этот раз построив ошибку для фиксированного порядка митигации (семь) в зависимости от количества слоев $L$. Это было крайне важно для проверки теоретического предсказания зависимости ошибки $1/L^2$ для тонких слоев.

Кроме того, в статье рассматривалась совместимость LKIK с динамическими схемами, что является ключевым преимуществом. Рисунок 4 продемонстрировал численную симуляцию, сравнивающую митигацию LKIK для динамической схемы (включающей измерения в середине схемы и прямую связь) с нединамической схемой унитарной эволюции. Оба сценария использовали 10 слоев и параметр шума $\xi = 0.1$. Этот эксперимент был направлен на окончательное доказательство того, что LKIK одинаково хорошо работает в сложных динамических условиях, где GKIK ранее терпел неудачу из-за несовместимости с измерениями в середине схемы.

Хотя данная статья в основном фокусируется на численных доказательствах и аналитических выводах для LKIK, она ссылается на две экспериментальные демонстрации основных принципов KIK в разделе "Методы". Дополнительное примечание 1 описывает эксперимент на ионно-ловушечном квантовом компьютере (IBEX - AQT), который продемонстрировал устойчивость KIK к дрейфу путем искусственного введения временных переворотов в схеме вентиля $R_{xx}(\pi/2)$. Дополнительное примечание 2 подробно описывает эксперимент на сверхпроводящем устройстве IBM (ibm_jakarta), который подтвердил проблемы неправильного усиления шума, возникающие из-за вставки вентилей, — проблему, которую LKIK стремится решить. Экспериментальная проверка эффективности LKIK в митигации ошибок в динамических квантовых схемах явно заявлена как представленная в сопутствующей статье [62].

Что доказывают доказательства

Численные доказательства, представленные в данной статье, убедительно подтверждают преимущества многоуровневого KIK (LKIK) по сравнению с Global KIK (GKIK) и устраняют несколько критических ограничений предыдущих схем квантовой коррекции ошибок (QEM).

Во-первых, симуляции на рисунке 1 неоспоримо демонстрируют, что LKIK значительно превосходит GKIK в снижении ошибки $\Delta(A)$. Как при слабых ($\xi = 0.02$), так и при сильных ($\xi = 0.2$) сценариях шума увеличение количества слоев в LKIK приводит к существенному снижению отклонения митигированного ожидаемого значения от идеального. Например, на рисунке 1a при $\xi = 0.02$ GKIK (1 слой) выходит на плато с ошибкой около $10^{-3}$, в то время как LKIK с 20 слоями достигает ошибки ниже $10^{-5}$ при более высоких порядках митигации. Это является окончательным доказательством того, что механизм усиления шума на основе слоев эффективно подавляет ошибки, которые GKIK не мог. Пунктирные линии на рисунке 1, представляющие предсказание формулы LKIK (уравнение 30), хорошо согласуются с результатами симуляции, что еще раз подтверждает лежащую в основе математическую модель.

Во-вторых, статья предоставляет убедительные доказательства работы LKIK без систематических эффектов при достаточном количестве слоев. Рисунок 3, на котором построена ошибка для порядка митигации семь в зависимости от количества слоев, ясно показывает, что ошибка масштабируется как $1/L^2$. Отличное соответствие красных точек (результаты симуляции) серой кривой $1/L^2$ подтверждает теоретическое предсказание (уравнение 34). Это масштабирование является критически важным математическим утверждением, доказывающим, что по мере разделения схемы на большее количество слоев остаточный систематический эффект от членов разложения Магнуса высокого порядка быстро уменьшается, делая LKIK практически свободным от систематических эффектов для достаточно большого $L$. Это напрямую решает основное ограничение GKIK, который страдал от небольших остаточных ошибок из-за неучтенных членов разложения Магнуса высокого порядка.

В-третьих, совместимость LKIK с динамическими схемами, включая измерения в середине схемы (MCM) и прямую связь, является значительным прорывом. Рисунок 4 иллюстрирует, что LKIK работает одинаково хорошо как для динамической схемы (синяя кривая), так и для нединамической схемы унитарной эволюции (зеленая кривая). В обоих случаях ошибка $\Delta(A)$ приближается к нулю с увеличением порядка митигации. Это является надежным доказательством того, что LKIK преодолевает несовместимость GKIK с MCMs, которые необходимы для протоколов квантовой коррекции ошибок (QEC). Это делает LKIK жизнеспособным методом QEM для сложных, реальных квантовых вычислений.

Наконец, хотя в данной статье новые экспериментальные результаты не представлены напрямую, текст подчеркивает, что LKIK наследует устойчивость к дрейфу от оригинального протокола KIK, как продемонстрировано в Дополнительном примечании 1. Это означает, что производительность метода устойчива к временным вариациям параметров шума, что является критически важной особенностью для длительных квантовых экспериментов. Сочетание работы без систематических эффектов, совместимости с динамическими схемами и устойчивости к дрейфу делает LKIK мощным и универсальным подходом QEM.

Ограничения и будущие направления

Хотя протокол Layered KIK (LKIK) представляет собой значительный прогресс в квантовой коррекции ошибок, важно признать его текущие ограничения и рассмотреть направления для будущего развития.

Одним из непосредственных ограничений является то, что данная рукопись является "СТАТЬЕЙ В ПЕЧАТИ", что означает, что это неотредактированная версия и может содержать ошибки. С технической точки зрения, хотя LKIK разработан как устойчивый к дрейфу и свободный от систематических эффектов, его зависимость от импульсных протоколов инверсии (компонент KIK) может быть не универсально простой в реализации на всех платформах квантовых вычислений и типах вентилей. В частности, в статье отмечается, что реализация импульсно-обратного оператора для вентилей с фиксированным или настраиваемым фазовым связующим звеном [72] "менее тривиальна". Это предполагает, что аппаратный контроль и калибровка остаются практической проблемой для широкой применимости.

Другим аспектом, который следует учитывать, являются накладные расходы на выборку. Хотя LKIK, особенно с адаптивными коэффициентами, может снизить стоимость выборки по сравнению с другими методами, он все же влечет за собой нетривиальные накладные расходы. В статье упоминается, что "накладные расходы на выборку порядка десяти тысяч или более реалистичны для протоколов QEM, которые устойчивы к дрейфу". Хотя это считается реалистичным, это все же представляет собой значительные затраты ресурсов, особенно по мере роста сложности схемы. Сравнение с многомерной экстраполяцией (MVE) также подчеркивает, что MVE, несмотря на меньшие накладные расходы по глубине, влечет за собой "значительно большие накладные расходы на выборку", чем однослойный Тейлор (SLT) с GKIK, что подразумевает, что оптимизация времени выполнения и эффективности выборки остается важной областью.

Кроме того, теоретическое масштабирование ошибки $1/L^2$ для LKIK основано на предположении "достаточно тонких, равномерно расположенных слоев". Хотя в статье показано, что отклонения от равномерности лишь незначительно влияют на более грубую границу $1/L$, достижение оптимального масштабирования $1/L^2$ на практике может потребовать тщательного разложения схемы и контроля на уровне импульсов. Экспериментальная проверка LKIK для динамических схем, как упомянуто, представлена в основном в сопутствующей статье [62], что означает, что прямые экспериментальные доказательства всех утверждений в этой статье не детализированы полностью.

Заглядывая вперед, возникает несколько захватывающих тем для обсуждения и направлений исследований:

  1. Более глубокая интеграция QEC-QEM: Беспрепятственная совместимость LKIK с измерениями в середине схемы открывает путь к действительно надежным гибридным протоколам QEC-QEM. Будущая работа может быть сосредоточена на проектировании и экспериментальной демонстрации интегрированных систем, где QEC обрабатывает доминирующие, локальные, некоррелированные ошибки, а LKIK затем митигирует остаточные, более труднокорректируемые ошибки, такие как утечка, коррелированные и когерентные ошибки. Это может значительно расширить границы отказоустойчивых квантовых вычислений.

  2. Оптимизация разложения слоев и адаптивных коэффициентов: Как оптимально определить количество и структуру слоев ($L$) для данной квантовой схемы и профиля шума? Исследования могут изучить адаптивные алгоритмы для разложения слоев, которые динамически настраивают $L$ для минимизации общих накладных расходов при соблюдении целевой точности. Дальнейшая разработка адаптивных методов постобработки, которые были отложены в данной работе, необходима для достижения более сильной митигации с меньшим количеством выстрелов и схем.

  3. Реализации, специфичные для аппаратного обеспечения, и инженерия импульсов: Исследование конкретных проблем и решений для реализации импульсно-обратных операций для различных наборов вентилей на различных платформах квантового оборудования (например, сверхпроводящих, ионно-ловушечных, фотонных). Это может включать передовые методы формирования импульсов для митигации шума утечки и возбуждений в более тонких слоях, обеспечивая практичность метода на различных платформах.

  4. Митигация немарковских эффектов: Хотя Паули-твирлинг и псевдо-твирлинг могут обрабатывать немарковский шум перед применением KIK, изучение методов прямой интеграции моделей немарковского шума в структуру LKIK может привести к еще более мощным и общим стратегиям митигации. Это потребует более глубокого понимания того, как немарковская динамика распространяется через многоуровневые схемы.

  5. Синергия с другими методами QEM: В статье предлагается комбинировать LKIK с методами, основанными на характеризации (PEC, PEA, машинное обучение), для обработки "основной массы" шума, позволяя LKIK сосредоточиться на дрейфах и ошибках вне разреженных моделей шума. Будущие исследования могут систематически изучать эти гибридные подходы, количественно оценивая компромиссы в накладных расходах на выборку, устойчивости к дрейфу и общей производительности. Например, комбинирование LKIK с тензорной коррекцией ошибок (TEM) потенциально может дать решение, устойчивое к дрейфу шума, с меньшими накладными расходами на выборку, чем LKIK сам по себе.

  6. Накладные расходы на время выполнения и масштабируемость: Детальный анализ и экспериментальная проверка накладных расходов на время выполнения для LKIK, особенно по сравнению с другими передовыми методами QEM, такими как MVE, имеют решающее значение для оценки его практической масштабируемости. Исследование стратегий параллелизации для сбора выстрелов на нескольких квантовых процессорах может дополнительно сократить время выполнения, делая высокие накладные расходы на выборку более управляемыми.

Решая эти ограничения и исследуя эти будущие направления, структура LKIK имеет потенциал стать краеугольным камнем для надежных квантовых вычислений в эпоху шумных квантовых вычислений промежуточного масштаба (NISQ) и далее.

Figure 1. A four-qubit simulation demonstrating the advantage of using the layered-based KIK (LKIK) amplification over the global KIK amplification (GKIK - single layer). In (a) & (b) the y axis is the difference ∆⟨A⟩be- tween the mitigated expectation value (see main text) and the ideal value, and the x axis is the mitigation order M with M = 0 indicating no mitigation. The ideal expectation value is ⟨A⟩≃0.025. In (a) the noise strength parameter is ξ = 0.02 and in (b) it is ξ = 0.2. Fig. (a) shows that LKIK is essential for achiev- ing high accuracy even when the noise is weak, while Fig. (b) shows that LKIK is important when the noise is strong even when the requested target accuracy is modest. The dashed lines show the prediction of the Layered KIK formula (30). (c) An illustration of a three-layer circuit (top) being noise amplified with GKIK (middle) and LKIK (bottom). The amplification factor is three for both cases. Squares below the black horizontal line represent pulse-inverse operation Figure 3. For the same example as in Fig. 1a, the error with respect to the ideal expectation value (red dots) is plotted for order seven as a function of number of layers. The good fit to the 1/L2 curve confirms the prediction of Eq. (34)