[論文レビュー] Exponentially tighter bounds on limitations of quantum error mitigation

Yihui Quek, Daniel Stilck França+3 more|arXiv (Cornell University)|Oct 20, 2022

Quantum Computing Algorithms and Architecture参考文献 57被引用数 22

ひとこと要約

この論文は、量子エラー緩和に必要なサンプル複雑度に対する指数的かつきつい上限を確立し、最悪ケースにおいては浅い回路ですら超多項式的なサンプル数を要することを示している。エラー緩和を統計的推論問題として定式化することで、著者らはノイズによって引き起こされる状態のスキャッタリングが、従来の予想よりも指数的に小さい深さで発生することを証明し、大規模な量子デバイスにおける現在の緩和手法のスケーラビリティを著しく制限している。

ABSTRACT

Quantum error mitigation has been proposed as a means to combat unwanted and unavoidable errors in near-term quantum computing without the heavy resource overheads required by fault tolerant schemes. Recently, error mitigation has been successfully applied to reduce noise in near-term applications. In this work, however, we identify strong limitations to the degree to which quantum noise can be effectively `undone' for larger system sizes. Our framework rigorously captures large classes of error mitigation schemes in use today. By relating error mitigation to a statistical inference problem, we show that even at shallow circuit depths comparable to the current experiments, a superpolynomial number of samples is needed in the worst case to estimate the expectation values of noiseless observables, the principal task of error mitigation. Notably, our construction implies that scrambling due to noise can kick in at exponentially smaller depths than previously thought. They also impact other near-term applications, constraining kernel estimation in quantum machine learning, causing an earlier emergence of noise-induced barren plateaus in variational quantum algorithms and ruling out exponential quantum speed-ups in estimating expectation values in the presence of noise or preparing the ground state of a Hamiltonian.

研究の動機と目的

• 近い将来の量子デバイスにおける量子エラー緩和の根本的限界を厳密に分析すること。
• 過剰なサンプリング要件によってエラー緩和が失敗する最悪ケースのシナリオを特定すること。
• 回路幅（n）と非ユニタリノイズ（例：T1減衰）を組み込んだ既存の境界を拡張すること。
• 仮想分散、ZNE、PEC、CDRといった主なエラー緩和プロトコルを共通の理論的枠組みで統一・分析すること。
• 定数回路深さですでに指数的サンプルコストが生じることを示し、現在の緩和戦略のスケーラビリティに疑問を呈すること。

提案手法

• ノイズレス回路の古典的記述とノイズのある測定結果を用いて、エラー緩和を統計的推論問題として定式化する。
• 期待値の推定（弱い緩和）とノイズレス状態からのサンプリング（強い緩和）を区別する。
• 量子チャネルの純度と収縮係数に基づく枠組みを導入し、ノイズ下での状態の区別可能性を定量化する。
• チャネルパラメータ qn と rn を用いて仮想分散の成功確率の境界を導出し、チャネルがユニタリまたはリプレーサーチャネルでない限り指数的減少が生じることを示す。
• 非ユニタリノイズ（例：T1減衰）を分析し、このようなノイズが緩和プロトコルにおける成功確率を指数的に小さくすることを示す。
• 情報理論的ツール（量子推定理論、収縮係数など）を用いて、サンプル複雑度に対する普遍的な下界を導出する。

実験結果

リサーチクエスチョン

• RQ1 大規模な量子回路におけるエラー緩和に必要な最悪ケースのサンプル複雑度は何か？
• RQ2 回路幅（n）とノイズタイプ（非ユニタリ vs. ユニタリ）は、エラー緩和のスケーラビリティにどのように影響するか？
• RQ3 どの回路深さでノイズ誘発スキャッタリングがエラー緩和を非現実的にするか？
• RQ4 ゼロノイズ外挿法や確率的エラーキャンセリングといった既存プロトコルは、一般ケースで超多項式スケーリングを達成できるか？
• RQ5 現在のエラー緩和スキームは、ノイズと統計的推論の理論的限界にどの程度近づいているか？

主な発見

• 定数回路深さですら、最悪ケースにおいては超多項式的な回路実行回数が必要となる。
• ノイズチャネルがユニタリまたはリプレーサーチャネルでない限り、仮想分散の成功確率は系サイズとともに指数的に減少する。
• 非ユニタリノイズ（例：T1減衰）は、浅い回路に対しても緩和プロトコルの成功確率を指数的に小さくする。
• ノイズ誘発スキャッタリングは、従来の予想よりも指数的に小さい深さで発生し、エラー緩和の実行可能な範囲を制限する。
• これらの境界は、ノイズ条件下での期待値推定や基底状態準備における指数的量子加速を排除する。
• 結果として、現在のエラー緩和スキームは一般状況ではほぼ最適であり、効率性を達成するためには特別な回路構造を活用する再設計が必要であると示唆する。