امتصاص الضوضاء المنتشرة (PNA)

تنفّذ هذه الحزمة امتصاص الضوضاء المنتشرة (PNA) [1] لتخفيف الأخطاء في القيمة المتوقعة للمرصودات.

يعمل PNA عبر «امتصاص» معكوسات قنوات الضوضاء المتعلَّمة في مرصودة هدف باستخدام انتشار باولي. أي أن كل مولّد ضوضاء باولي في نموذج الضوضاء يُنشر كلاسيكياً إلى نهاية الدائرة ويُطبَّق على المرصودة. ينتج عن ذلك مرصودة جديدة تخفّف، عند قياسها على QPU، ضوضاء البوابات التي جرى تعلّمها.

هذه الحزمة مناسبة لتقدير القيم المتوقعة للدوائر الكمّية العامة ومرصودات باولي؛ ومع ذلك فإن التقنية تكون عموماً أكثر فعالية على الدوائر القريبة من Clifford.

البدء

يتوفر دليل بسيط يساعدك على البدء بسرعة مع هذه الحزمة في دليل البداية السريعة.

أمثلة على حالات الاستخدام

استُخدمت هذه التقنية لتخفيف الضوضاء في نماذج Ising المُجزَّأة بطريقة Trotter على 56 كيوبتاً [1].

نقاش تقني

نظرة عامة على الطريقة

ينتج عن تنفيذ بوابات التشابك على QPU الحديثة قدر كبير من الضوضاء. وإلى أن تتوفر أجهزة مقاومة للأخطاء بالكامل، لن تتوفر بوابات تشابك مثالية، $U$. بل ستتأثر بقناة ضوضاء ما، $\Lambda$.

من الممكن تعلّم ضوضاء البوابات هذه وتوصيفها بكفاءة كنموذج Pauli-Lindblad، وكما هو موضح في إلغاء الخطأ الاحتمالي (PEC)، يمكننا تخفيف الخطأ بتنفيذ مضاد الضوضاء، $\Lambda^{-1}$، عبر بروتوكول أخذ عينات على QPU [2]. أما تقنيات أخرى، مثل تخفيف الأخطاء بالشبكات التنسورية (TEM)، فتنفّذ قناة الضوضاء العكسية كخطوة معالجة لاحقة كلاسيكية [3].

مثل TEM، ينفّذ PNA قناة الضوضاء العكسية في خطوة معالجة كلاسيكية. وبينما يستخدم TEM الشبكات التنسورية لوصف الخريطة المخفِّفة للضوضاء وتطبيقها على مجموعة من القياسات التامة معلوماتياً، يستخدم PNA انتشار باولي لنشر المرصودة، $O$، عبر قناة الضوضاء العكسية. ينتج عن ذلك مرصودة جديدة، $\tilde{O}$، تخفّف الضوضاء المتعلَّمة عند قياسها على الحالة الضوضائية.

مصادر الانحياز

• ينشر هذا التنفيذ كل مولّد خطأ باولي داخل كل قناة مضادة للضوضاء، $\Lambda^{-1}_i$، إلى نهاية الدائرة. وعند نشر كل مولّد مضاد للضوضاء إلى الأمام عبر الدائرة تحت تأثير $N$ من بوابات دوران باولي في دائرة من $M$ كيوبت، سيزداد عدد الحدود بمعدل $O(2^N)$ باتجاه حد أقصى هو $4^M$ مكوّن باولي فريد. وللتحكم في الكلفة الحسابية، يجب بتر الحدود ذات المعاملات الصغيرة، ما يؤدي إلى بعض الخطأ في قناة مضاد الضوضاء المتطورة.

• إضافةً إلى بتر قناة مضاد الضوضاء المتطورة، $\Lambda^{-1}$، تُبتر $\tilde{O}$ أيضاً أثناء نشرها عبر $\Lambda^{-1}$. وهذا أيضاً مصدر للانحياز في القيمة المتوقعة المخففة النهائية.

• بينما يؤدي ترك $\tilde{O}$ تنمو أكبر أثناء الانتشار إلى زيادة دقتها، فإن قياسها يتطلب أخذ لقطات أكثر بكثير على QPU. وعادةً يزيد هذا من معاملات حدود باولي الأصلية في $O$، مع إنشاء كثير من حدود باولي الجديدة ذات المعاملات الأصغر. وكلٌّ من إعادة تحجيم المعاملات الأصلية وإنشاء الحدود الجديدة يمكن أن يزيد كلفة أخذ العينات. عملياً، نُجري بتراً إضافياً بقياس أكبر الحدود فقط في $\tilde{O}$.

المساهمة

الشيفرة المصدرية متاحة على GitHub.

يوجد دليل المطوّرين في CONTRIBUTING.md في جذر مستودع هذا المشروع. بمشاركتك، يُتوقع منك الالتزام بـمدونة قواعد السلوك الخاصة بـ Qiskit.

نستخدم مشكلات GitHub لتتبّع الطلبات والأخطاء.

الاستشهاد بهذه الحزمة

إذا استخدمت هذه الحزمة في بحثك، فاستخدم ملف CITATION.bib في مستودع هذا المشروع للاستشهاد بالمراجع المناسبة.

الترخيص

Apache License 2.0

سياسة الإيقاف التدريجي

نتّبع الإصدار الدلالي. قد نُجري أحياناً تغييرات جذرية لتحسين تجربة المستخدم. وحيثما أمكن، سنُبقي الواجهات القديمة ونضع عليها علامة الإيقاف (deprecated) ما دام بإمكانها التعايش مع الجديدة. سيُوثَّق كل تحسين جوهري أو تغيير جذري أو إيقاف في ملاحظات الإصدار.

المراجع

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].