基于累积概率与滤波化信息诊断Rydberg梯形量子模拟器的性能

我们研究来自公开可用的Aquila Rydberg原子平台的比特串测量数据，使用包含6、8和10根梯形臂的两臂梯形，对其编码的截断格子模型进行诊断性分析，这是可在当前硬件上直接实现和模拟的实用基准。我们的目标是诊断性的：分析误差如何蔓延到比特串概率分布及下游信息测度中，关注包含$\mathcal{O}(10^3)$次测量的梯形。我们引入累积概率分布作为紧凑方式，将Aquila数据与高精度密度矩阵重整群(DMRG)和精确参考进行比较，并使用优化滤波化互信息主要作为鲁棒设备数据诊断工具，而非直接纠缠估计器。通过隔离有限抽样、排序保真度、拉曼升力、Rabi频率降力和读出误差，我们发现读出校正在受控DMRG测试中表现良好。将相同程序应用于硬件显示，领先概率估计的准确性存在局限，表明读出误差并非主导因素，残余误差而是由不完美的状态准备驱动。