[论文解读] 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 22

一句话总结

本文建立了量子误差缓解所需样本复杂度的指数级更紧上界，表明即使在浅层电路中，最坏情况下仍需超多项式数量的样本。通过将误差缓解建模为统计推断问题，作者证明了噪声引起的态混淆在远比以往认为更小的深度下即已发生，严重限制了当前缓解技术在大规模量子设备中的可扩展性。

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.

研究动机与目标

• 严格分析近场量子设备中量子误差缓解的根本限制。
• 识别因采样需求过度而导致误差缓解失败的最坏情况。
• 通过引入电路宽度（n）和非保迹噪声（如T1退相干）扩展先前的上界。
• 在统一的理论框架下统一分析主要误差缓解协议——虚拟反退火、零噪声外推、概率误差补偿、CDR。
• 证明即使在恒定电路深度下，指数级样本成本仍会显现，挑战了当前缓解策略的可扩展性。

提出的方法

• 使用无噪声电路的经典描述和有噪声测量结果，将误差缓解建模为统计推断问题。
• 区分弱缓解（估计期望值）与强缓解（从无噪声态中采样）。
• 基于量子通道纯度和收缩系数提出一个框架，用于量化噪声下态的可区分性。
• 利用通道参数qn和rn，推导虚拟反退火成功概率的上界，表明除非通道为酉或替换通道，否则成功概率会指数衰减。
• 分析非保迹噪声（如T1退相干），并证明此类噪声会使缓解协议的成功概率呈指数级减小，即使在浅层电路中亦然。
• 应用信息论工具，包括量子估计理论和收缩系数，推导出样本复杂度的通用下界。

实验结果

研究问题

• RQ1 大规模量子电路中，误差缓解所需的最坏情况样本复杂度是多少？
• RQ2 电路宽度（n）和噪声类型（非保迹 vs. 保迹）如何影响误差缓解的可扩展性？
• RQ3 在何种电路深度下，噪声引起的混淆会使误差缓解变得不可行？
• RQ4 在一般情况下，现有协议如零噪声外推或概率误差补偿能否实现次指数级缩放？
• RQ5 当前误差缓解方案在多大程度上逼近由噪声和统计推断所施加的理论极限？

主要发现

• 即使在恒定电路深度下，最坏情况下误差缓解仍需超多项式数量的电路运行次数。
• 除非噪声通道为酉或替换通道，否则虚拟反退火的成功概率会随系统规模呈指数级衰减。
• 非保迹噪声（如T1退相干）会使缓解协议的成功概率呈指数级减小，即使在浅层电路中亦然。
• 噪声引起的混淆在远比以往认为更小的深度下即已出现，严重限制了误差缓解的可行范围。
• 这些上界排除了在噪声条件下估计期望值或制备基态时实现指数级量子加速的可能性。
• 结果表明，当前误差缓解方案在一般设置下已接近最优，必须重新设计以利用特殊电路结构才能实现效率提升。