Fehlerminimierung

Die Abschwächung von Quantum-Fehlern ist eine Reihe von Techniken, die darauf abzielen, die Auswirkungen von Fehlern auf Quantencomputer zu reduzieren.

Quantum-Geräte unterliegen Umgebungsrauschen, die die Qualität der durchgeführten Berechnungen beeinträchtigen. Fehlertolerantes Quanten-Computing bietet zwar eine Lösung für dieses Problem, aktuelle Quantengeräte sind jedoch durch die Anzahl der Qubits und relativ hohe Fehlerraten begrenzt. Um dies kurzfristig zu beheben, untersuchen Forscher Methoden zur Verbesserung der Genauigkeit verrauschter Quantenberechnungen. Dieser Ansatz, bekannt als Quantenfehlerminderung, beinhaltet die Verwendung verschiedener Techniken, um das beste Signal aus verrauschten Messungsdaten zu extrahieren.

Fehlerminimierung auf IonQ Aria

Die Fehlerminimierung umfasst die Ausführung mehrerer physischer Verbindungen und die Kombination ihrer Messungen, um ein verbessertes Ergebnis zu erzielen. Das IonQ Aria Gerät verfügt über eine Methode zur Fehlerminderung, die als Entzerrung bezeichnet wird.

Durch die Entzerrung wird eine Verbindung mehreren Varianten zugeordnet, die auf verschiedene Qubit-Permutationen oder mit unterschiedlichen Torzerlegungen wirken. Dadurch werden die Auswirkungen von systematischen Fehlern wie Torüberrotationen oder einem einzelnen fehlerhaften Qubit reduziert, indem verschiedene Implementierungen einer Verbindung verwendet werden, die andernfalls die Messungsergebnisse verzerren könnten. Dies geht auf Kosten von zusätzlichem Aufwand für die Anpassung mehrerer Qubits und Toren ein.

Weitere Informationen zur Entzerrung finden Sie unter Verbesserung der Leistung von Quantencomputern durch Symmetrisierung.

Anmerkung

Die Entzerrung erfordert mindestens 2 500 Bilder.

Sie können eine Quantenaufgabe mit Entzerrung auf einem -IoQ AriaGerät mit dem folgenden Code ausführen:

from braket.aws import AwsDevice
from braket.circuits import Circuit
from braket.error_mitigation import Debias

device = AwsDevice("arn:aws:braket:us-east-1::device/qpu/ionq/Aria-1")
circuit = Circuit().h(0).cnot(0, 1)

task = device.run(circuit, shots=2500, device_parameters={"errorMitigation": Debias()})

result = task.result()
print(result.measurement_counts)
>>> {"00": 1245, "01": 5, "10": 10 "11": 1240} # result from debiasing

Wenn die Quantenaufgabe abgeschlossen ist, können Sie die Messwahrscheinlichkeiten und alle Ergebnistypen aus der Quantenaufgabe sehen. Die Messwahrscheinlichkeiten und Zählungen aller Varianten werden in einer einzigen Verteilung zusammengefasst. Alle Ergebnistypen, die in der Verbindung angegeben sind, z. B. Erwartungswerte, werden anhand der aggregierten Messungsanzahl berechnet.

Scharfzeichnen

Sie können auch auf Messwahrscheinlichkeiten zugreifen, die mit einer anderen Nachbearbeitungsstrategie namens Verbesserung berechnet wurden. Beim Schärfen werden die Ergebnisse jeder Variante verglichen und inkonsistente Bilder verworfen, wodurch das wahrscheinlichste Messergebnis für alle Varianten bevorzugt wird. Weitere Informationen finden Sie unter Verbesserung der Leistung von Quantencomputern durch Symmetrisierung.

Wichtig ist, dass die Verbesserung die Form der Ausgabeverteilung spärlich ist, mit wenigen Hochwahrscheinlichkeitszuständen und vielen Nullwahrscheinlichkeitszuständen. Es kann die Wahrscheinlichkeitsverteilung verzerren, wenn diese Annahme nicht gültig ist.

Sie können auf die Wahrscheinlichkeiten über eine geschärfte Verteilung im additional_metadata Feld auf dem GateModelTaskResult im Braket Python SDK zugreifen. Beachten Sie, dass die Erhöhung nicht die Messungsanzahl zurückgibt, sondern eine neu normalisierte Wahrscheinlichkeitsverteilung zurückgibt. Der folgende Codeausschnitt zeigt, wie Sie nach dem Schärfen auf die Verteilung zugreifen.

print(result.additional_metadata.ionqMetadata.sharpenedProbabilities)
>>> {"00": 0.51, "11": 0.549} # sharpened probabilities