Hata azaltma fikri — gürültülü sonuçtan daha güvenilir bilgi çıkarma

Hata azaltma (error mitigation), gürültülü kuantum donanımından gelen ölçüm sonuçlarını istatistiksel olarak düzeltme ailesidir. Hata düzeltme (error correction) gibi kod uzayı kurmaz, sendrom ölçüp fiziksel hatayı aktif olarak onarmaz ve devreyi hatasız çalıştırmaz. Onun yerine şu pratik soruyu sorar: “Hatanın biçimini yeterince biliyorsam, ölçtüğüm beklenti değerini ideal değere doğru ne kadar taşıyabilirim?”

Mitigation ve correction arasındaki sınır

Hata düzeltme, hesaplama sırasında hataları tespit edip mantıksal bilgiyi korur. Bunun için çok sayıda fiziksel kübit, tekrarlı syndrome ölçümü ve eşik altı hata oranı gerekir. Hata azaltma ise çoğu zaman hesaplama bittikten sonra uygulanır: daha fazla devre çalıştırır, daha fazla shot harcar, sonra istatistiksel bir tahmin üretir. Bu yüzden mitigation, küçük ve orta ölçekli NISQ devrelerinde yararlı; uzun mantıksal algoritmalarda tek başına yetersizdir.

Bias-variance ödünleşimi

Hata azaltma iki niceliği takas eder. Bias, gürültünün sonucu ideal değerden sistematik olarak uzaklaştırmasıdır. Variance, sonlu shot nedeniyle tahminin dalgalanmasıdır. Mitigation genellikle bias'ı azaltır ama variance'ı artırır; yani daha doğru ortalama için daha fazla ölçüm gerekir. Bu yüzden “hata azaltma bedava doğruluk” değildir, “shot bütçesi karşılığında daha az sistematik kayma”dır.

Hangi hatalar azaltılabilir?

En iyi azaltılan hatalar kararlı, kalibre edilebilir ve modele sığan hatalardır. SPAM hataları confusion matrix ile iyi temsil edildiği için ölçüm mitigasyonu başarılıdır. T1 ve T2 kaynaklı küçük kapı hataları, ZNE ve PEC ile kısmen geri alınabilir. Fakat leakage, güçlü crosstalk, drift ve non-Markovian gürültü model dışına taşıyorsa mitigation hızla güvenilmez olur.

Beklenti değeri dili

Çoğu NISQ algoritması tek bir doğru bit-string değil, bir beklenti değeri üretir: VQE'de enerji, QAOA'da maliyet fonksiyonu, kuantum simülasyonda korelasyon ölçüsü. Hata azaltma bu yüzden genellikle ölçüm dağılımını değil, ⟨O⟩ biçimindeki gözlenebilir ortalamasını hedefler. Bu, yöntemi daha kararlı yapar; çünkü tüm dağılımı düzeltmektense sadece ilgilenilen fiziksel büyüklüğü düzeltmek daha az veri ister.

Zero-noise extrapolation, NISQ döneminin en sezgisel hata azaltma fikridir: aynı devreyi farklı gürültü seviyelerinde çalıştır, sonuçların gürültüye göre nasıl değiştiğini fit et, sonra “gürültü sıfır olsaydı” noktasına ekstrapole et. Yöntem, hata modelini tam tersine çevirmek zorunda kalmadığı için pratikte yaygın kullanılır.

Gürültüyü bilerek büyütmek

ZNE için önce gürültü ölçeği değiştirilir. Donanımı gerçekten ısıtmak gerekmez; devre seviyesinde aynı etki oluşturulabilir. En yaygın yöntem unitary folding'dir: bir kapı dizisi U yerine U U† U uygulanır. İdeal olarak bu yine U'dur; fakat fiziksel olarak üç kat daha uzun çalıştığı için T1/T2 ve kapı gürültüsü daha fazla birikir.

Fit ve sıfır gürültü noktası

Gürültü ölçekleri r = 1, 3, 5 gibi seçilir ve her biri için beklenti değeri ölçülür. Sonra ⟨O⟩(r) fonksiyonu düşük dereceli polinom ya da üstel modelle fit edilir. Nihai tahmin, r = 0 noktasındaki değerdir. Bu nokta fiziksel olarak çalıştırılamaz; yalnızca istatistiksel ekstrapolasyondur.

Richardson ekstrapolasyonu

Gürültü etkisinin küçük ve analitik olduğu varsayılırsa Richardson ekstrapolasyonu kullanılır. İki gürültü ölçeğiyle basit form şudur:

E(0) ≈ (r E(1) − E(r)) / (r − 1).

Daha fazla ölçek daha yüksek dereceden hata terimlerini iptal eder; fakat fit kararsızlığı ve shot maliyeti hızla artar. ZNE'nin ana zorluğu tam burada başlar: gürültüyü büyüttükçe sinyal zayıflar, ekstrapolasyon mesafesi büyüdükçe belirsizlik şişer.

ZNE'nin hangi hatalara duyarlı olduğu

ZNE özellikle kapı süresiyle ölçeklenen Markovian hatalarda iyi çalışır: depolarizing, dephasing, küçük amplitude damping. Fakat leakage veya crosstalk gibi hata yapısı gürültü ölçeğiyle doğrusal büyümüyor olabilir. Böyle bir durumda ZNE, düzgün görünen ama yanlış bir ekstrapolasyon verir. Bu yüzden ZNE sonucunun yanında fit kalitesi, ölçek sayısı ve kullanılan folding stratejisi mutlaka raporlanmalıdır.

Probabilistic error cancellation (PEC), ZNE'den daha iddialıdır: gürültü kanalının tersini, fiziksel olarak uygulanabilir işlemlerin işaretli bir karışımı olarak örneklemeye çalışır. Bu, teoride daha az bias bırakır; pratikte ise shot maliyeti çok hızlı büyür.

Quasi-probability fikri

Bir ideal kapı G, fiziksel donanımda gürültülü bir kanal 𝒩 ∘ G olarak çalışır. PEC, bu etkinin tersini yaklaşık olarak şu biçimde yazar:

G ≈ Σ_i q_i 𝒪_i, q_i ∈ ℝ, Σ_i |q_i| = γ_PEC.

Katsayıların negatif olabilmesi nedeniyle buna quasi-probability denir. Fiziksel deneyde 𝒪_i işlemleri olasılıkla örneklenir, sonuçlar ise işaretli ağırlıklarla toplanır. Bedel, γ_PEC² ölçeğinde artan shot maliyetidir.

PEC neden pahalı?

Her gürültülü kapı için ters kanalın quasi-probability normu 1'den büyüktür. Devre derinliği arttıkça toplam maliyet bu normların çarpımı gibi büyür. Bu nedenle PEC küçük, iyi karakterize edilmiş devrelerde güçlü; derin devrelerde hızla pratik olmaktan çıkar. Yine de PEC, “hata azaltmanın teorik olarak ne kadar ileri gidebileceğini” gösteren en temiz çerçevedir.

Pauli twirling: gürültüyü okunur hâle getirmek

Gerçek donanım hataları çoğu zaman koherenttir: aynı yönde küçük sistematik dönme hatası her kapıda birikir. Pauli twirling, kapıların önüne ve arkasına rastgele Pauli operatörleri ekleyerek bu koherent hatayı Pauli kanalına çevirir. İdeal devre aynı kalır; fakat hata artık daha kolay modellenen stokastik bir kanal olur. Bu fikir, T2 hataları sayfasındaki phase damping ↔ Pauli-Z gürültüsü denkliğinin daha genel operasyonel versiyonudur.

Randomized compiling

Randomized compiling, Pauli twirling'i derleyici seviyesine taşır. Devrenin mantıksal sonucu değişmeden kapı katmanları rastgele Pauli çerçeveleriyle yeniden yazılır. Böylece tutarlı sistematik hatalar, shot'lar arasında ortalanır ve daha basit stochastic hata modeline yaklaşır. Bu, mitigation yöntemlerinin varsayımlarını daha gerçekçi yapar; özellikle PEC ve ZNE için daha kararlı veri üretir.

En pratik hata azaltma ailesi, ölçüm sonucunu ve fiziksel simetrileri kullanır. Bu yöntemler kapı kanalını tersine çevirmeye çalışmaz; yalnızca çıktı dağılımını veya kabul edilen örnekleri düzenler. Bu yüzden uygulaması kolay, etkisi sınırlı ama maliyet/yarar oranı yüksektir.

Measurement error mitigation

Okuma ve hazırlama sayfasında kurduğumuz confusion matrix M, ölçüm sonrası doğrudan kullanılabilir. Gözlenen dağılım p_obs ise tahmini gerçek dağılım:

p_true ≈ M⁻¹ p_obs.

Bu yöntem, SPAM hataları kararlı ve kalibrasyon güncelse çok etkilidir. Çok kübitli sistemde tam matris üstel büyüdüğü için pratikte tensor çarpımı, lokal korelasyon modeli veya MLE/Bayesian unfolding kullanılır.

Symmetry verification

Bazı problemler, fiziksel olarak korunması gereken nicelikler taşır: parçacık sayısı, parite, toplam spin, enerji altuzayı. Devre sonunda ölçülen bit-string bu simetriyi bozuyorsa sonuç “hata olmuş” diye elenir. Örneğin fermiyonik VQE problemlerinde parçacık sayısı korunmalıdır; yanlış parçacık sayısı veren ölçümler post-selection ile atılır. Bu yöntem basittir ama yalnızca simetri ihlal eden hataları yakalar.

Post-selection ve heralding

Post-selection, istenmeyen ölçüm çıktılarının istatistikten çıkarılmasıdır. Heralded preparation, bunun hazırlama tarafındaki versiyonudur: deney başında bir işaret ölçümü yapılır ve yalnızca başarılı hazırlama işaretleri kabul edilir. Bu yaklaşım yüksek doğruluk getirebilir; fakat örnek sayısını azaltır ve yanlış kullanılırsa veri setini yanlı hâle getirir. Bu nedenle kabul kriteri fiziksel bir simetriye ya da bağımsız bir herald sinyaline dayanmalıdır.

Subspace expansion

Quantum subspace expansion, VQE gibi varyasyonel yöntemlerde kullanılan daha zengin bir fikirdir. Gürültülü yaklaşık durumun etrafında küçük bir operatör altuzayı oluşturulur ve Hamiltonyen bu altuzayda yeniden çözülür. Böylece hata, yalnızca ölçümden sonra atılmak yerine varyasyonel altuzayda kısmen geri emilir. Bu yöntem, kimya ve malzeme simülasyonlarında symmetry verification ile birlikte kullanılır.

Hata azaltmanın daha gelişmiş tarafında iki önemli fikir vardır. Virtual distillation, birden çok gürültülü kopyadan daha saf bir etkin durum tahmin etmeye çalışır. Dynamical decoupling ise ölçüm sonrası değil, devre çalışırken boş zamanlara pulse dizileri ekleyerek T2 kaynaklı faz hatasını azaltır. İkisi de “daha fazla kaynak karşılığında daha temiz sinyal” ilkesinin farklı yüzleridir.

Virtual distillation

Virtual distillation, aynı gürültülü durumdan birden fazla kopya hazırlar ve bu kopyalar arasında kontrollü SWAP benzeri ölçümler yaparak etkin olarak ρ^k / Tr(ρ^k) davranışını tahmin eder. Gürültülü karışık durumun en büyük özdeğere sahip bileşeni güçlenir; küçük hata bileşenleri bastırılır. Bedeli, ek kübit kopyaları ve daha karmaşık ölçüm devreleridir.

Dynamical decoupling

T2 hataları sayfasında Hahn echo, CPMG ve XY-8 dizilerini gürültü spektrumu açısından gördük. Devre içinde boşta bekleyen kübitlere bu dizileri eklemek, dephasing'i azaltır. Bu teknik kimi sınıflandırmalarda “hata bastırma” (error suppression) olarak geçer; fakat NISQ iş akışında mitigation ailesiyle birlikte kullanılır çünkü çıktı kalitesini hata düzeltme kodu olmadan artırır.

Yöntemleri aynı tabloda okumak

Aşağıdaki tablo, hata azaltma yöntemlerini hedef hata, ihtiyaç duyulan bilgi, bedel ve en uygun kullanım bağlamı açısından karşılaştırır. Sayılar platforma göre değişir; önemli olan hangi fikrin hangi varsayımla çalıştığını görmektir.

Hata azaltma, tek başına bir algoritma değildir; algoritma, derleyici, donanım kalibrasyonu ve istatistiksel post-processing arasında kurulan bir iş akışıdır. Bu nedenle hangi yöntemin işe yaradığı, yalnızca matematiksel doğruluğa değil, devrenin yapısına ve cihazın kalibrasyon kararlılığına bağlıdır.

VQE ve QAOA neden uygun?

VQE ve QAOA gibi varyasyonel algoritmalar, kısa devrelerden çok sayıda beklenti değeri toplar. Hata azaltma bu mimariye uygundur: her ölçüm grubu için readout mitigation, seçili katmanlar için ZNE ve problem simetrileri için post-selection uygulanabilir. Buna karşılık Shor veya uzun QPE devreleri, mitigation'ın shot overhead'ini taşıyamayacak kadar derindir; orada gerçek çözüm hata düzeltmedir.

Derleyiciyle birlikte düşünmek

Modern derleyiciler yalnızca kapıları yerleştirmez; boş zamanlara dynamical decoupling ekler, ölçüm gruplarını optimize eder, Pauli çerçevelerini takip eder ve readout mitigation için gereken kalibrasyon verisini iş akışına bağlar. Bu nedenle hata azaltma, kullanıcı kodunun sonunda tek bir fonksiyon çağrısından ibaret değildir; derleyici tarafından desteklenen sistem seviyesi bir stratejidir.

Drift ve güvenilirlik

Mitigation yöntemleri kalibrasyona dayanır. Cihaz drift ederse confusion matrix, T1/T2 değerleri ve kapı hata modelleri eski kalır; düzeltme doğru görünür ama yanlış noktaya ekstrapole eder. Bu yüzden ciddi deneylerde mitigation kalibrasyonları devre çalıştırma penceresine yakın alınır ve sonuçla birlikte raporlanır. “Hangi kalibrasyonla düzeltildi?” sorusu, mitigated sonuç kadar önemlidir.

Hata azaltmanın dürüst raporlanması

Güvenilir bir mitigation sonucu üç şeyi birlikte vermelidir: ham sonuç, azaltılmış sonuç ve azaltmanın istatistiksel belirsizliği. Yalnızca düzeltilmiş sayıyı vermek, yöntemin shot overhead ve model varsayımını görünmez kılar. Özellikle ZNE için fit modeli; PEC için sampling overhead; measurement mitigation için confusion matrix kondisyonu raporlanmalıdır.

QEC'e giden geçiş

Hata azaltma, hata düzeltmeye giden yolun yerini değil, aradaki araştırma köprüsünü oluşturur. Donanım yeterince büyük ve kararlı olduğunda syndrome ölçümü, mantıksal kübitler ve eşik altı hata oranları devreye girer. O noktada mitigation yalnızca yardımcı bir post-processing aracı olarak kalır. Bugünkü NISQ cihazlarında ise mitigation, bilimsel sinyal ile donanım gürültüsü arasındaki farkı açmanın ana yoludur.