Kuantum bilgisayarların yaygın kullanımının önündeki en büyük engellerden biri olan hata düzeltme sorunu için yenilikçi bir çözüm geliştirildi. Araştırmacılar, fiziksel bilgiyi graf sinir ağlarıyla birleştiren özgün bir yaklaşım sunarak, kuantum hata azaltma alanında önemli bir adım attı.
Mevcut kuantum hata azaltma stratejileri olan sıfır-gürültü extrapolasyonu ve Clifford veri regresyonu, gürültü ölçeklendirmesi veya global regresyona dayanıyor. Ancak bu yöntemlerin performansı, sistem serbestlik derecelerinin exponansiyel büyümesi nedeniyle sınırlanıyor. Bu soruna çözüm olarak geliştirilen Graf-geliştirilmiş Azaltma (GEM) çerçevesi, fiziksel bilgiyi model temsiline dahil ediyor.
Sistemde kuantum devreler, öznitelikli graflar olarak kodlanıyor. Donanım seviyesindeki fiziksel bilgiler düğüm ve kenar özelliklerine haritalanıyor: T1, T2 kalibrasyon parametreleri ve okuma hataları gibi yerel gürültü parametreleri düğümlerde kodlanırken, iki-kubit kapı hataları gibi eşleşme bilgileri kenar özellikleri olarak kodlanıyor.
Graf sinir ağları, hataların fiziksel bağlantılar boyunca nasıl yayıldığını modellemek için kullanılıyor. Bu yaklaşım, gürültülü orta ölçekli kuantum cihazlarda güvenilir gözlemlenebilir değerleri tahmin etmek için pratik bir yol sunuyor ve kuantum teknolojisinin gerçek dünya uygulamalarına doğru önemli bir adım teşkil ediyor.