Propagated noise absorption (PNA)

Ipinapatupad ng package na ito ang propagated noise absorption (PNA) [1] para i-mitigate ang mga error sa expectation value ng mga observable.

Gumagana ang PNA sa pamamagitan ng “pagsipsip” sa mga inverse ng natutunang noise channel papasok sa target na observable gamit ang Pauli propagation. Ibig sabihin, ang bawat Pauli noise generator sa noise model ay klasikal na ipinapalaganap hanggang sa dulo ng circuit at inilalapat sa observable. Nagreresulta ito sa bagong observable na, kapag sinukat sa QPU, ay nagmi-mitigate sa natutunang gate noise.

Angkop ang package na ito para sa pagtantya ng mga expectation value ng pangkalahatang quantum circuit at Pauli observable; gayunpaman, kadalasang pinakaepektibo ang teknik sa mga circuit na near-Clifford.

Pagsisimula

Mayroong simpleng gabay para matulungan kang makapagsimula agad sa package na ito sa quickstart guide.

Mga halimbawa ng use case

Ginamit ang teknik na ito para i-mitigate ang noise sa mga 56-qubit na Trotterized Ising model [1].

Teknikal na talakayan

Pangkalahatang-ideya ng pamamaraan

Ang pagpapatakbo ng mga entangling gate sa makabagong QPU ay nagreresulta sa malaking dami ng noise. Hangga't wala pang ganap na fault-tolerant na device, hindi magiging available ang mga ideal na entangling gate, $U$. Sa halip, maaapektuhan ang mga ito ng ilang noise channel, $\Lambda$.

Posibleng matutunan at mahusay na i-characterize ang gate noise na ito bilang Pauli-Lindblad model, at tulad ng ipinakita sa probabilistic error cancellation (PEC), maaari nating i-mitigate ang error sa pamamagitan ng pagpapatupad ng anti-noise, $\Lambda^{-1}$, gamit ang QPU sampling protocol [2]. Ang ibang teknik, tulad ng tensor-network error mitigation (TEM), ay nagpapatupad ng inverse noise channel bilang klasikal na hakbang sa post-processing [3].

Tulad ng TEM, ipinapatupad ng PNA ang inverse noise channel sa isang klasikal na hakbang ng pagpoproseso. Habang gumagamit ang TEM ng tensor network para ilarawan at ilapat ang noise-mitigating map sa isang set ng informationally complete na mga measurement, gumagamit ang PNA ng Pauli propagation para ipalaganap ang observable, $O$, sa inverse noise channel. Nagreresulta ito sa bagong observable, $\tilde{O}$, na kapag sinukat laban sa maingay na state, ay nagmi-mitigate sa natutunang noise.

Mga pinagmumulan ng bias

• Ipinapalaganap ng implementasyong ito ang bawat Pauli error generator sa loob ng bawat anti-noise channel, $\Lambda^{-1}_i$, hanggang sa dulo ng circuit. Habang ipinapalaganap pasulong ang bawat anti-noise generator sa circuit sa ilalim ng aksyon ng $N$ Pauli rotation gate ng isang $M$-qubit na circuit, lalaki ang bilang ng mga term bilang $O(2^N)$ papunta sa maximum na $4^M$ natatanging Pauli component. Para makontrol ang gastos sa computation, kailangang putulin ang mga term na maliit ang coefficient, na nagreresulta sa ilang error sa na-evolve na anti-noise channel.

• Bukod sa pagputol ng na-evolve na anti-noise channel, $\Lambda^{-1}$, pinuputol din ang $\tilde{O}$ habang ipinapalaganap ito sa $\Lambda^{-1}$. Pinagmumulan din ito ng bias sa huling na-mitigate na expectation value.

• Bagaman ang pagpapalaki ng $\tilde{O}$ habang nagpapalaganap ay magpapataas ng katumpakan nito, nangangailangan ang pagsukat dito ng mas maraming shot sa QPU. Karaniwan, pinapataas nito ang mga coefficient ng orihinal na Pauli term sa $O$, kasabay ng paglikha ng maraming bagong Pauli term na may mas maliliit na coefficient. Parehong maaaring magpataas ng sampling overhead ang muling pag-scale ng orihinal na coefficient at ang paglikha ng mga bagong term. Sa praktika, pinuputol natin ulit sa pamamagitan ng pagsukat lamang sa pinakamalalaking term sa $\tilde{O}$.

Pag-ambag

Ang source code ay makukuha sa GitHub.

Ang developer guide ay matatagpuan sa CONTRIBUTING.md sa root ng repository ng proyektong ito. Sa pakikilahok, inaasahang susundin mo ang code of conduct ng Qiskit.

Gumagamit kami ng GitHub issues para subaybayan ang mga request at bug.

Pagsipi sa package na ito

Kung gagamitin mo ang package na ito sa iyong pananaliksik, gamitin ang file na CITATION.bib sa repository ng proyektong ito para isipi ang naaangkop na reference.

Lisensya

Apache License 2.0

Patakaran sa Deprecation

Sinusunod namin ang semantic versioning. Paminsan-minsan, maaari kaming gumawa ng mga breaking change para mapabuti ang karanasan ng user. Kapag posible, pananatilihin namin ang mga lumang interface at mamarkahan ang mga ito bilang deprecated, hangga't maaari silang magkasabay sa mga bago. Idodokumento sa release notes ang bawat malaking pagpapabuti, breaking change, o deprecation.

Mga sanggunian

1. Andrew Eddins, et al., Computing noise-canceling observables via Pauli propagation, arXiv:2606.20441 [quant-ph].

2. Ewout van den Berg, et al., Probabilistic error cancellation with sparse Pauli-Lindblad models on noisy quantum processors, arXiv:2201.09866 [quant-ph].

3. Sergei Filippov, et al., Scalable tensor-network error mitigation for near-term quantum computing, arXiv:2307.11740 [quant-ph].