[论文解读] Concepts and conditions for error suppression through randomized compiling

Adam Winick, Joel J. Wallman+4 more|arXiv (Cornell University)|Dec 14, 2022

Quantum Computing Algorithms and Architecture被引用 5

一句话总结

该论文证明，随机化编译（RC）通过将相干和时变误差转换为随机泡利噪声，从而抑制了量子电路中的马尔可夫和非马尔可夫误差，减少了误差累积和波动。在IBM量子设备上的实验结果表明，保真度的trace距离最多提升了25%，证实了在高噪声环境下RC的有效性。

ABSTRACT

Randomized compiling reduces the effects of errors on quantum computers by tailoring arbitrary Markovian errors into stochastic Pauli noise. Here we prove that randomized compiling also tailors non-Markovian errors into local stochastic Pauli noise and investigate the technique's limitations. We show through analysis and numerical results that randomized compiling alters errors in three distinct helpful ways. First, it prevents the coherent accumulation of errors (including hard to remove crosstalk effects) across gate cycles by destroying intercycle coherent correlations. Second, it converts individual gate cycle errors into Pauli noise. Finally, randomized compiling reduces the variability inherent to noisy devices. We confirm these theoretical predictions with the IBM Quantum Experience platform and describe experimental data that illustrates a drastic performance improvement across public devices. These results cement the importance of randomized compiling in near- and long-term quantum information processing.

研究动机与目标

• 将随机化编译（RC）的理论基础从马尔可夫误差扩展至非马尔可夫和时变误差。
• 阐明RC在何种条件下能有效抑制噪声量子设备中相干误差和对抗性误差的累积。
• 在真实IBM量子设备上，针对多种电路类型，通过实验验证RC的性能提升。
• 在理论和实证层面建立RC与随机动力学解耦（RDD）之间的联系，突出其共享的误差抑制机制。
• 证明RC通过将复杂误差转化为可处理的随机泡利噪声，使误差表征更加可靠，从而提升随机基准测试（RB）的准确性。

提出的方法

• RC在每个门周期前后应用随机单量子比特 Clifford 门，以解耦误差过程并抑制相干误差累积。
• 该方法可将任意马尔可夫和非马尔可夫误差转化为局部随机泡利噪声，从而实现高效表征与纠错。
• RC利用与随机动力学解耦（RDD）相同的动力学解耦机制，通过随机化破坏周期间的相干关联。
• 该技术通过数字预编译实现，电路深度开销可忽略不计，保持计算效率。
• 通过理想输出态与噪声输出态之间的trace距离保真度（TVD）量化误差抑制效果，并报告了统计置信区间。
• 采用多次随机化编译（例如，N_RC = 36）对随机序列进行平均，以降低实验估计中的方差。

实验结果

研究问题

• RQ1 在何种条件下，随机化编译能有效抑制量子电路中的非马尔可夫和时变误差？
• RQ2 与随机动力学解耦（RDD）相比，RC在误差抑制机制和性能方面有何异同？
• RQ3 RC在真实噪声量子硬件上在多大程度上减少了误差波动性并提升了trace距离保真度？
• RQ4 在理论保证不严格成立的高误差场景下，RC能否可靠地提升性能？
• RQ5 RC是否通过将复杂误差转化为随机泡利噪声，使随机基准测试（RB）估计更加准确和可靠？

主要发现

• 即使在不假设马尔可夫性的前提下，RC仍能成功将非马尔可夫和时变误差转化为随机泡利噪声。
• RC通过破坏周期间相干关联，有效抑制了相干误差累积，性能增益与随机动力学解耦（RDD）相当。
• 在IBM量子设备上，使用QCC-VQE方法对LiH电子结构进行模拟时，RC使trace距离（TVD）最多降低了25%。
• 即使在包含同时CNOT门的深而噪声大的电路中，RC在大多数电路长度下仍实现了5%至10%的TVD降低。
• 实验数据显示，RC稳定了输出波动性：多次随机化编译的TVD值紧密聚集，且平均值急剧下降。
• 在所有测试场景中，包括混沌的单次随机化序列和结构化的VQE电路，RC均表现出性能提升，证明其鲁棒性超越了理论边界。