含雜訊量子處理器通常不會直接返回理想電路預測的期望值。錯誤緩解嘗試利用含雜訊裝置上的實驗來估計這個理想值。一種基本方法是有意在不同雜訊強度下運行相關實驗,再將測得的期望外推到零雜訊。它不會修復單次實驗中的量子態,其結論依賴於雜訊如何被放大。
我們要估計甚麼?
令 ρ 為電路的理想輸出,O 為厄米(Hermitian)可觀測量。目標是實數 E0=Tr(Oρ)。假設一族可重複的實驗由小雜訊強度 p≥0 標記,其期望為 E(p),且 E(0)=E0。這個等式是對包括製備和讀出在內的整個實驗的假設:當 p=0 時仍存在的誤差,不會因外推這個參數而消失。
固定雜訊放大倍數 c>1 和雜訊強度 p>0,使 p 與 cp 都可實現。兩點外推值為
Eext=c−1cE(p)−E(cp).實際上 E(p) 和 E(cp) 由測得的樣本均值代替,因此同一個加權公式是一個隨機估計量。
概念視角代數
外推就是在零點取值的插值
這個公式就是 Lagrange 插值。通過 (p,E(p)) 和 (cp,E(cp)) 的唯一一次多項式為 L(x)=E(p)p−cpx−cp+E(cp)cp−px−p,在 x=0 取值,便得 E(p) 的權重 c−1c 和 E(cp) 的權重 −c−11。因此只要響應是 p 的仿射函數,估計量就是精確的;而兩個權重之和為一,保證常數響應被原樣還原。
固定 c>1,假設在零附近
E(p)=E0+ap+bp2+O(p3).
若 E(p)=E0+ap+bp2+R(p),其中小 p 時 ∣R(p)∣≤Kp3,且 c>1 固定,則
Eext=c−1cE(p)−E(cp)=E0−bcp2+O(p3)(p→0).
把展開式分別代入 p 和 cp。常數項給出 (c−1)E0,除以 c−1 得 E0。一次項給出 cap−a(cp)=0。二次項給出 cbp2−bc2p2=−bc(c−1)p2,除以 c−1 得 −bcp2。餘項為 (cR(p)−R(cp))/(c−1),其絕對值不超過 (cK+Kc3)p3/(c−1);對固定的 c,這是 O(p3)。
證明透視
抵消從何而來
論證依靠兩個假設。E 在二階內光滑,才能把響應當作帶有受控餘項的多項式;否則根本沒有一次項可消去。權重 c/(c−1) 與 −1/(c−1) 的選取,一方面使其和為一,從而保留 E0,另一方面使 c⋅p−1⋅cp=0,從而消去斜率。曲率 b 沒有被觸及,因為二次項的權重是 c−c2=0;它以剩餘項 −bcp2 的形式保留下來。餘項估計用到 c 在 p→0 時固定:若 c 隨 1/p 增長,O(p3) 中的常數就不一致。所以彎曲的響應並不會讓外推直線通過真實截距。
這個計算說明一階偏差被抵消,並不說明所有雜訊都消失。
可計算的單量子比特例子
取理想輸入 ∣0⟩,不施加理想門,並測量 Z,理想期望為 E0=1。假設兩個相繼的雜訊位置各自施加單量子比特退極化信道
Dp(σ)=(1−p)σ+p2I,0≤p≤1,
其中 σ 是密度矩陣。因為 Tr(Z)=0,每次作用都把 Z 的期望乘以 1−p,故 E(p)=(1−p)2。
例題 1.7.3
(在 p=0.1 時把兩個雜訊位置都加倍)
假設第二個實驗將兩個位置的雜訊都放大到 2p,其他條件不變;這要求 0≤p≤1/2。此時 E(2p)=(1−2p)2,所以
2E(p)−E(2p)=1−2p2.當 p=0.1 時,含雜訊期望為 0.81,雙倍雜訊期望為 0.64,外推值為 2(0.81)−0.64=0.98。這與 E0−bcp2 一致,因為此處 b=1、c=2。一次誤差已消去,但剩餘偏差仍為 −0.02。這個模型有意保持簡單:在真實電路中增加門的重複次數,並不會自動在保持理想計算不變的同時將每個雜訊信道變成 D2p。實際的雜訊放大需要另外論證或校準。
常見錯誤
(重複一個雜訊位置並不等於把 p 加倍)
連續施加兩次 Dp,會把 Z 的期望乘以 (1−p)2,所以 Dp∘Dp=D2p−p2,而不是 D2p。在 p=0.1 時,有效強度是 0.19,不是 0.2。把兩個位置都重複兩次得到 (1−p)4=0.6561,而 E(2p)=0.64。這時兩點公式必須使用真實的倍數 c=1.9:(1.9⋅0.81−0.6561)/0.9=0.981,與 1−bcp2=1−1.9(0.01) 相等。若對重複門的數據仍取 c=2,則得 2(0.81)−0.6561=0.9639,誤差更大。
假設只有一個雜訊位置,施加一次退極化信道於 ∣0⟩,則 E(p)=1−p。此時 b=0,對任何 c>1
c−1c(1−p)−(1−cp)=c−1c−1=1=E0.偏差恰好為零,與插值的觀點一致。這個邊界情形說明:方法的剩餘誤差完全取決於響應的曲率,而與 c 的選擇無關。
抽樣代價與解釋
假設兩個實驗的各次測量互相獨立,每次測量 Z 得到 ±1。
設 E1,E2 分別是 N1,N2 個獨立 ±1 結果的樣本均值,真實均值為 E(p) 和 E(2p)。則 2E1−E2 的期望為 2E(p)−E(2p),方差為
N14[1−E(p)2]+N21−E(2p)2.
±1 結果 X 滿足 X2=1,故 Var(X)=1−(EX)2。N 個獨立副本的樣本均值方差為 Var(X)/N。兩個實驗互相獨立,所以 2E1−E2 的方差為 22Var(E1)+Var(E2),即上式。期望由線性性得到。
在總測量次數固定時,緩解可能降低系統偏差,卻增大統計不確定性。負權重還可能使估計值落在 [−1,1] 之外,即使每個測量均值都在該區間內;外推數值本身不是一次 Z 測量的結果。
例題 1.7.6
(p=0.1 時的抽樣代價)
取 E(p)=0.81、E(2p)=0.64。由 N 次測量得到的未緩解樣本均值,方差為 (1−0.6561)/N=0.3439/N。對於 N1=N2=N 的外推估計量,
N4(0.3439)+(1−0.4096)=N1.3756+0.5904=N1.966.當 N=104 時,標準差約為 0.0140(外推)和 0.0059(未緩解),相差約 2.4 倍。偏差由 −0.19 減至 −0.02,代價就是這個更大的統計誤差。
反例模式
固定的讀出錯誤不會消失
假設真實結果 +1 以概率 α 被誤報為 −1,真實結果 −1 以概率 β 被誤報為 +1,這兩個概率與 p 無關。則報告結果的期望為
F(p)=(1−α−β)E(p)+(β−α).事實上,真實結果的概率為 (1±E(p))/2;對它們應用上述誤報概率,就得到這個仿射響應。記 η=1−α−β 和 δ=β−α,其中 0≤α,β≤1。外推值為 2F(p)−F(2p)=ηE0+δ+O(p2),通常不同於 E0。放大模型中的電路雜訊並不能消除固定的讀出錯誤。有效的緩解結論應說明哪些誤差被改變、哪些保持不變,以及如何評估不確定性。
練習與解答
快速檢查
(對 E(p)=E0+ap+bp2,取放大倍數 c=3,計算兩點外推及其偏差。)
解答 · 答案
(3E(p)−E(3p))/2=E0−3bp2,偏差為 −3bp2。驗算:一次項給出 3ap−3ap=0,二次項給出 3bp2−9bp2=−6bp2,除以 2 得 −3bp2。
快速檢查
(在單量子比特例子中取 p=1/4,計算兩個期望和外推值。剩餘偏差為零嗎?)
使用 E(p)=(1−p)2 和 E(2p)=(1−2p)2。
解答 · 答案
E(p)=9/16,E(2p)=1/4,且 2E(p)−E(2p)=7/8;偏差為 −1/8,所以剩餘偏差不為零。這與 1−2p2=1−1/8 一致。
快速檢查
(為甚麼 c 極接近一時,有限抽樣估計會變得不穩定?)
留意權重 c/(c−1) 和 −1/(c−1)。
解答 · 答案
兩個權重的絕對值都包含 1/(c−1),會放大抽樣波動;獨立方差分別乘以權重的平方。這並不排除某個遠離一的最優選擇,其位置取決於雜訊響應和測量次數預算。