Shaded lightcones (SLC)

qiskit-addon-slc est un package pour calculer le cône de lumière ombré (SLC) [1] d'une observable par rapport à un circuit quantique. Dans le contexte de l'annulation probabiliste des erreurs (PEC), les cônes de lumière ombrés ressemblent aux cônes de lumière binaires classiques en ce que ne pas atténuer les erreurs en dehors du cône de lumière peut réduire la variance (c.-à-d. le coût d'échantillonnage). L'ombrage du cône de lumière permet de pousser cette stratégie plus loin en attribuant des échelles aux générateurs d'erreur de Pauli à l'intérieur du cône de lumière causal. Les erreurs auxquelles on attribue de plus petites échelles ont moins d'effet sur l'observable ; les tronquer du modèle de bruit peut réduire la variance (c.-à-d. le coût d'échantillonnage) au prix d'un certain biais. Le package qiskit-addon-slc permet aux utilisateurs d'effectuer l'ombrage du cône de lumière et de contrôler le compromis entre coût d'échantillonnage et biais.
Premiers pas
Un guide simple pour t'aider à démarrer rapidement avec ce package est disponible dans le guide de démarrage rapide.
Exemples de cas d'usage
Cette technique a été utilisée pour réduire le coût d'échantillonnage de l'annulation probabiliste des erreurs (PEC) pour des expériences d'écho de Loschmidt d'opérateur avec 56 qubits sur un processeur IBM Heron. [2].
Discussion technique
Aperçu de la méthode
Les cônes de lumière ombrés sont calculés et utilisés en 5 étapes :
-
Calculer une borne sur l'effet de chaque terme d'erreur de Pauli sur l'observable à la fin du circuit (borne avant)
-
Calculer une borne sur l'effet de chaque terme d'erreur de Pauli sur l'état initial au début du circuit (borne arrière)

- Approximer une contribution au biais pour chaque terme d'erreur de Pauli à l'aide des bornes avant/arrière et du taux d'erreur du terme

- Prioriser les termes d'erreur selon leur taux d'erreur et leurs bornes. Tronquer du modèle de bruit les termes qui ont le moins d'effet sur la valeur moyenne de l'observable jusqu'à atteindre la tolérance de biais indiquée par l'utilisateur. Alternativement, on peut ajouter les termes d'erreur les plus influents à un modèle de bruit jusqu'à épuiser le budget de coût d'échantillonnage indiqué par l'utilisateur.
- Atténuer le modèle de bruit tronqué. Avec le modèle d'exécution dirigée de Qiskit Runtime, il est simple de spécifier les termes d'erreur à ignorer pendant l'échantillonnage PEC. Consulte le tutoriel pour plus de détails.

Fonctionnalités logicielles
-
Calcul de bornes asynchrone et parallèle
-
Permet le calcul des bornes en amont (c.-à-d. avant l'apprentissage effectif du bruit)
Problèmes connus
-
Windows n'est pas pris en charge
-
InjectNoise(site=”before”) n'est pas pris en charge
-
Ne prend pas en charge la fusion fine des bornes
Travaux futurs
- Calcul des valeurs propres accéléré par Rust pour le calcul des bornes avant
Contribuer
Le code source est disponible sur GitHub.
Le guide du développeur se trouve dans CONTRIBUTING.md à la racine du dépôt de ce projet. En participant, tu t'engages à respecter le code de conduite de Qiskit.
Nous utilisons les issues GitHub pour suivre les demandes et les bugs.
Citer ce package
Si tu utilises ce package dans tes recherches, utilise le fichier CITATION.bib du dépôt de ce projet pour citer la ou les références appropriées.
Licence
Politique de dépréciation
Nous suivons le versionnage sémantique. Nous pouvons occasionnellement apporter des changements incompatibles afin d'améliorer l'expérience utilisateur. Lorsque c'est possible, nous conserverons les anciennes interfaces en les marquant comme dépréciées, tant qu'elles peuvent coexister avec les nouvelles. Chaque amélioration substantielle, changement incompatible ou dépréciation sera documenté dans les notes de version.
Contribuer
Le code source est disponible sur GitHub.
Le guide du développeur se trouve dans CONTRIBUTING.md. En participant, tu t'engages à respecter le code de conduite de Qiskit.
Nous utilisons les issues GitHub pour suivre les demandes et les bugs.
Références
-
Andrew Eddins, et al., Lightcone shading for classically accelerated quantum error mitigation, arXiv:2409.04401v1 [quant-ph].
-
Samantha V. Barron, et al., Observable Estimation in the Absence of Classical Verification, arXiv:2607.25998 [quant-ph].
