[論文レビュー] A Practical Framework for Quantum Error Mitigation

Zhenyu Cai|arXiv (Cornell University)|Oct 11, 2021

Quantum Computing Algorithms and Architecture参考文献 29被引用数 6

ひとこと要約

本稿は、ゼロノイズ外挿、確率的エラーキャンセレーション、対称性検証などの主要なQEM手法を、ノイズのある状態から誤差低減状態を抽出するプロセスとしてモデル化することにより、統一的で一貫性のある線形量子誤差低減（QEM）フレームワークを導入する。このフレームワークは、抽出レートを主要なパフォーマンス指標として導入し、サンプリングオーバーヘッドを解析的に導出する。その結果、誤差低減手法は、ゲージ演算子の期待値の逆数に比例する分散の増加を伴うことが判明した。特に、直接的な対称性検証では1/E[Γ]のオーバーヘッドが、他の手法では1/E[Γ]²のオーバーヘッドが生じる。実用的仮定のもとで、この関係が成り立つ。

ABSTRACT

Quantum error mitigation is expected to play a crucial role in the practical applications of quantum machines for the foreseeable future. Thus it is important to put the numerous quantum error mitigation schemes proposed under a coherent framework that can highlight their underlying connections while providing guidance for their practical performance. In this article, we construct a general framework named linear quantum error mitigation that includes most of the state-of-the-art quantum error mitigation schemes. Within the framework, quantum error mitigation can be effectively viewed as extracting the error-mitigated state out of the noisy state, which introduces a new metric called extraction rate for indicating the cost-effectiveness of a given mitigation scheme. Using the framework, we have derived and compared the extraction rate, improvement in the fidelity and sampling overhead across various mitigation schemes under practical assumptions. The structure, insights and intuitions provided by the framework can serve as a basis for the further development of new schemes.

研究の動機と目的

• 多様な量子誤差低減（QEM）手法を、理解と比較がしやすい一貫性のある解析的フレームワークに統合すること。
• ゼロノイズ外挿、確率的エラーキャンセーション、対称性検証などの最先端QEM手法に共通する根本的メカニズムを同定すること。
• 信号増幅と分散増加の観点から、QEM手法の費用対効果を定量化する新しいパフォーマンス指標「抽出レート」を導入すること。
• 実際のノイズと測定条件のもとで、QEM手法間のサンプリングオーバーヘッドを解析的に導出し、比較すること。
• 近位量子デバイス向けにより効率的なQEMプロトコルの設計を支援する物理的直感と構造的洞察を提供すること。

提案手法

• 量子誤差低減を、後処理技術を用いてノイズのある量子状態から理想状態を抽出するプロセスとしてモデル化する。
• 一般化された推定器形式を導入し、ゲージ演算子Γと観測可能Oを含む。誤差低減推定器は、OΓの期待値をΓの期待値で割ったものとして定義される。
• 観測可能Oとゲージ演算子Γがパウリ演算子であると仮定することで、分散とバイアスの解析的取り扱いが可能になる。
• 統計的分解を用いて誤差低減推定器の分散を導出し、パウリベースの手法では1/E[Γ]²、直接的対称性検証では1/E[Γ]のスケーリングでサンプリングオーバーヘッドが生じることを示す。
• 純粋状態および混合状態の両方の理想状態に適用可能であり、実用的ノイズモデルと有限ショットノイズのもとで解析的導出が検証されている。
• 同一の仮定のもとで、抽出レートとサンプリングオーバーヘッドを用いて、異なるQEM手法の比較が可能になる。

実験結果

リサーチクエスチョン

• RQ1 分散する量子誤差低減手法を、一貫性のある解析的フレームワークに統合する方法は何か？
• RQ2 量子誤差低減におけるバイアス低減と分散増加の根本的トレードオフは何か？
• RQ3 ゲージ演算子の期待値E[Γ]がQEM手法のサンプリングオーバーヘッドにどのように影響するか？
• RQ4 実用的条件下で、ゼロノイズ外挿、確率的エラーキャンセーション、対称性検証の間で、定量的なパフォーマンス差は何か？
• RQ5 抽出レートのような単一の指標が、多様なQEM手法の費用対効果を効果的に比較できるか？

主な発見

• パウリゲージ演算子を用いるQEM手法のサンプリングオーバーヘッドは1/E[Γ]²に比例し、信号増幅に起因する分散の著しい増加を示している。
• Γが射影演算子（Γ = 0または1）である直接的対称性検証では、サンプリングオーバーヘッドが1/E[Γ]に比例し、他の手法の1/E[Γ]²に比べて深刻さが軽減される。
• 信号増幅と分散増加の比として定義される抽出レートは、異なるQEM手法の費用対効果を定量化する指標を提供する。
• フレームワークは、QEM手法の性能が、ノイズレベルと回路構造に依存するゲージ演算子の期待値に根本的に制限されることを明らかにした。
• 解析的導出により、パウリベースの手法では誤差低減推定器の分散がE[Γ]の二乗の逆数に比例することが確認され、実用的仮定のもとで数値的一致が得られた。
• フレームワークにより、バイアス、分散、サンプリングオーバーヘッドといった共通の統計的量を用いて、QEM手法のパフォーマンスを統一的な数学的構造のもとで直接比較可能になった。