Mitigación de Ruido Cuántico Inspirada en Difusión en Circuitos Cuánticos Parametrizados

Los Circuitos Cuánticos Parametrizados (PQCs) han sido reconocidos como una estrategia líder para aprovechar las ventajas cuánticas a corto plazo en múltiples problemas, incluyendo el aprendizaje automático y la optimización combinatoria. Cuando se aplican a tareas específicas, los parámetros en los circuitos cuánticos se entrenan para minimizar la función objetivo. Aunque ha habido estudios exhaustivos para mejorar el rendimiento de los PQCs en tareas prácticas, los errores causados por el ruido cuántico degradan el rendimiento al ejecutarse en computadoras cuánticas reales. En particular, cuando el estado cuántico se transforma a través de múltiples capas de circuitos cuánticos, el efecto del ruido cuántico ocurre de manera acumulativa y se aproxima al estado maximamente mezclado o ruido completo. Este trabajo estudia la relación entre el ruido cuántico y el modelo de difusión. Luego, proponemos un nuevo enfoque de aprendizaje inspirado en la difusión para mitigar el ruido cuántico en los PQCs y reducir el error para tareas específicas. A través de nuestros experimentos, ilustramos la eficiencia de la estrategia de aprendizaje y logramos un rendimiento de vanguardia en tareas de clasificación en escenarios de ruido cuántico.