利用循环错误重构估计误差轮廓中的相干贡献

缓解与校准方案对于最大化当今含噪中等规模量子（NISQ）硬件的计算能力至关重要，但这些方案通常专门用于处理相干或退相干误差源之一。因此，在基准测试错误抑制工具时，量化这两类错误是一项理想特性。在本文中，我们提出一种可扩展且以循环为中心的方法，用于详细估计硬计算循环误差轮廓中的相干贡献。我们建议的协议基于循环错误重构（CER），也称为K体噪声重构（KNR）。该协议类似于循环基准测试（CB），因为它提供基于Pauli保真度估计的以循环为中心的诊断[1]。我们在CER中引入一个额外超参数，允许硬循环在经受Pauli旋转之前被折叠多次。对我们所加超参数的不同值执行CER，可通过保真度衰减公式的推广来估计相干错误贡献。我们通过在量子模拟器上的数值模拟确认了方法的准确性，并在三块IBM芯片（即ibmq_guadalupe、ibmq_manila和ibmq_montreal）上进行了概念验证实验。在所有三个实验中，我们测得了偏置于Z的显著相干错误。