随机基准测试中的操作性马尔可夫化

获取最优且可靠的量子设备的关键任务是量化其整体性能。量子门的平均保真度是一个特定的优值指标,可通过随机基准测试(RB)高效估计。然而,门保真度这一概念本身依赖于噪声以可预测的、时间局域的或所谓马尔可夫方式表现的关键假设,随着量子设备规模与深度的扩大,该假设的失效自然会成为主要的错误来源。我们分析表明,误差抑制技术如动力学解耦(DD)与随机编译(RC)可对RB实现操作性马尔可夫化:i)快速DD将非马尔可夫RB归约为指数衰减加长时间修正,而另一方面,ii)RC通常不影响平均值,但iii)它总是抑制此类RB输出的方差。我们用一个量子比特噪声模型数值演示了这些效应。我们的结果表明,简单高效的误差抑制方法可同时驯服非马尔可夫噪声并支持标准可靠的门质量估计,这是通向全功能量子设备道路上的根本重要任务。