面向误差缓解的假设检验：如何评估误差缓解

在含噪声中等规模量子（NISQ）时代，量子误差缓解将是提取量子器件有用性能的必备工具。然而，误差缓解技术常假设的噪声模型与实际量子器件上的噪声之间存在巨大鸿沟。因此，这些技术的理论预期与其日常表现之间出现了差距。尤其是量子器件的云用户，往往直接使用现有器件，感受这一差距最为深切。他们应如何参数化对这些技术有用性的不确定性，并能在实施误差缓解所需资源与算法层面所需精度之间作出判断？为回答第一个问题，我们在量子误差缓解框架内引入假设检验；为回答第二个问题，我们提出一个包容性优值指标，综合考虑误差缓解实现的资源需求与缓解效率。该优值指标有助于权衡各种误差缓解方法的可扩展性与精度。最后，利用假设检验与优值指标，我们实验评估了由零噪声外推、随机编译、测量误差缓解、动力学解耦以及基于估计电路的缓解等单一方法构成的16种误差缓解流水线。我们的数据总共涉及在两台IBM量子计算机上运行275,640个电路。