1. 量子计算中的SPAM误差挑战在量子计算的实际应用中状态准备和测量(State Preparation and Measurement, SPAM)误差是影响计算结果准确性的主要噪声源之一。这类误差在超导量子处理器等NISQ(含噪声中等规模量子)设备上表现得尤为明显。SPAM误差主要来源于两个环节状态准备误差量子比特无法被完美初始化为|0⟩态存在一定的热激发概率。实验数据显示即使在10毫秒的被动重置后|1⟩态的热激发概率仍可达3.06%到8.75%不等对应有效温度69-103mK测量误差包括状态误差测量脉冲导致的量子态扰动、分配误差读取信号分类错误和相关误差量子比特与测量装置间的耦合噪声传统噪声缓解方法如TREX(Tensor Product Error Extrapolation)在处理SPAM误差时存在明显缺陷——它会将状态准备误差和测量误差耦合处理导致对期望值的校正出现系统性偏差。如图6所示TREX校正后的⟨X⊗n⟩期望值会出现明显的过冲现象紫色虚线这正是未分离SPAM误差的直接后果。2. SPAM误差分离的核心原理2.1 噪声模型的重新定义我们提出了一种新的测量噪声模型将完整的SPAM过程分解为三个独立误差通道状态准备噪声Λ_sp用保真度f_sp 1 - 2p_sp表征其中p_sp为|1⟩态的热激发概率测量噪声Λ_m进一步分解为状态误差Λ_s保真度f_s分配误差Λ_a保真度f_a相关误差Λ_c保真度f_c门操作噪声Λ_g包括单/双量子比特门噪声这种分解的关键突破在于利用量子比特的非计算态如超导量子比特的|2⟩态来独立测量p_sp。通过RabiEF(Rabi Excited-Fraction)实验图1d我们可以精确量化状态准备误差而无需受测量噪声的影响。2.2 RabiEF技术的实现细节RabiEF实验通过驱动|1⟩-|2⟩跃迁来测量热激发概率απ实验执行X-R12(θ)-X序列其中R12(θ)为|1⟩-|2⟩空间的旋转门无π实验省略第一个X门仅执行R12(θ)-X序列通过拟合振荡信号幅度a_π和a_¬π计算α a_¬π/(a_¬π a_π)关键提示RabiEF测量对分配误差具有一阶不敏感性因为误差会同等影响a_π和a_¬π在比值计算中相互抵消。这使得即使在读取保真度仅95%的情况下σ_m0.6仍能准确估计α图93. 动态电路中的噪声缓解实践3.1 量子隐形传态电路的噪声分析我们以三量子比特隐形传态电路图7为例演示SPAM分离在动态电路中的应用。该电路包含初始状态制备ρ_in RX(θ)|0⟩⟨0|RX†(θ)贝尔态制备Hadamard门CNOT门中电路测量两个量子比特的联合测量条件操作基于测量结果的X/Z门反馈电路中的主要噪声源包括状态准备噪声Λ_sp每个量子比特独立测量噪声Λ_s, Λ_a, Λ_c含时间关联性门操作噪声主要来自CNOT门3.2 概率误差消除(PEC)的实施我们采用PEC(Probabilistic Error Cancellation)技术进行噪声缓解逆向噪声通道构建对每个噪声Λ找到其准概率分解 Λ^-1 Σ_i η_i P_i其中P_i为泡利算符η_i可正可负电路采样生成128个电路实例用泡利门组合替代逆向噪声通道期望值估计对每个电路实例j计算原始期望值⟨P⟩_raw,j Tr[Pρ_out,j]引入shot噪声模拟从伯努利分布采样100次计算PEC校正值⟨P⟩_mit γ Σ_j (-1)^m_j E_P,j状态层析通过最小化MSE重建物理状态ρ_mit实验结果显示图8经过PEC校正后的状态保真度中位数超过98%显著高于未校正的96%。值得注意的是这种改进在θ∈[0,2π]的所有输入状态下都保持一致验证了方法的普适性。4. 技术实现的关键要点4.1 实验参数优化建议热激发控制对于被动重置建议等待时间≥10ms以确保热平衡主动重置可缩短初始化时间但需控制qutrit泄漏保持|2⟩态概率0.3%测量校准分配误差矩阵建议采用不对称设计如q_010.9%, q_126%相关误差保真度fc建议设为0.995高于单独f_a/f_s采样策略RabiEF实验每个θ点建议≥300 shots以控制统计误差PEC电路实例数建议≥128以保证准概率收敛4.2 常见问题排查TREX校正过冲现象校正后期望值超过理论最大值原因未考虑状态准备误差的累积效应f_sp^(1-n)解决方案采用Split SPAM公式(1)独立校正保真度平台期现象PEC校正后保真度停滞在~98%可能原因未建模的|2⟩态泄漏或高阶相关噪声检查项测量诱导泄漏概率建议0.2%RabiEF信号衰减现象振荡幅度随θ快速衰减可能原因T_2^*过程或|1⟩-|2⟩弛豫解决方案检查T_12^1时间建议≥100μs5. 扩展应用与未来方向本方法可推广到其他具有非计算态的量子系统固态自旋qutrit利用核自旋态作为辅助囚禁离子利用亚稳态能级未来改进方向包括将qutrit读出模型扩展到全qutrit层面开发自洽的噪声学习框架消除规范自由度结合交错循环基准测试进一步约束CNOT噪声模型在实际部署时建议采用混合缓解策略首先用RabiEF精确测量p_sp然后运行MCB(Measurement Cycle Benchmarking)学习f_a, f_s, f_c最后应用PEC进行动态电路校正这种分层方法在ibm_pinguino3等超导量子处理器上已实现98%的状态保真度为容错量子计算提供了实用的噪声管理工具。
