先备导航:你需要 091(直方图流程)、092(读出歪斜)、002(测量单向门)、067(读出链)。
下一篇预告:097《脉冲层动手:手把手教一个不听话的比特》。
测量也在说谎:读出误差缓解
你家的体重秤永远多报两斤——知道这一点之后,你每次减掉两斤读数,得到的才是真体重。秤在说谎,但说谎方式稳定——知道偏差,偏差就能被减掉。
量子机的读数端同款:读出链(067 篇的回声室→放大→模数转换)每一环都有小概率翻转数字。092 篇见过它的嘴脸(歪斜的沙丘底座),本篇给它做测谎与修正——读出误差缓解,NISQ 时代每个真机用户的第一课。
谎话有方向性
先认识对手。读出误差不是对称的掷硬币:"1 被读成 0"比"0 被读成 1"更常见——物理原因在 051 篇的名单里:读出前要给比特一个激励,读完到采样的间隙里,被激发的比特会弛豫(掉回基态)——"向上"的态在读数窗口里偷偷落回"向下",于是 1 塌成 0。
说谎的方向偏向"归零"——这个方向性就是测谎的抓手:偏差稳定且可测,就能被修。
测谎:一张 2×2 的混淆矩阵
标定实验简单到朴素:
- 制备全 0 态,读 1000 次——记录"读了多少次谎报成 1"(比如 2%);
- 制备全 1 态,读 1000 次——记录"谎报成 0"的比例(比如 6%——方向性在此现形)。
两次实验凑成一张 2×2 混淆矩阵——这台机器今天"说谎方式"的完整体检表(091 篇"读当日体检单"的实操版本:这张表每天都要重新测,机器漂移了表就过期)。
修正三招
招一:矩阵反解(均值级修正)。直方图的计数是"真实分布×混淆矩阵"的结果——知道矩阵就能反解回去(一次矩阵求逆)。092 篇被歪斜的柱子当场扶正。局限两条:它只修统计平均(单次读数依然不可信——单次输出还是那个会撒谎的秤);反解会放大方差(除以小数字,1024 shots 的统计呼吸被放大成曲线抖动)——缓解不是免费的。
**招二:可疑样本稀释。**把"按混淆矩阵算出来最可疑"的读数直接丢弃(牺牲样本量换纯度)——粗暴但有效,适合误差严重的读出端。
**招三:重复读出投票。**同一个比特连读三次,少数服从多数——前提是读出够快、T1 够长(051 篇),且每次读都要再花激励与时间——用时间换准确率的经典折中。
诚实的边界:缓解的是账面,不是物理
最重要的一节:误差缓解修正的是统计估计,不是物理现实——单次测量的真实结果没人能救(002 篇的单向门),缓解只是把"说谎的秤"的账本做平。
由此有一条行业读法(078 篇滤镜的学术版):看到漂亮结果,先问"缓解前长什么样"——正规论文会同时给原始数据与缓解后数据;只给缓解后数字的,折扣三成听。缓解是标准操作(该做就做),但"缓解前后的差距"本身就是机器品质的度量——差距越大,机器越弱。
实战流程卡
把本篇装进 091 篇的五步流程:
- 提交作业前,先跑一次标定作业(全 0 态+全 1 态各读千次)——拿今天的混淆矩阵;
- 跑主实验,拿原始直方图;
- 矩阵反解,得缓解后直方图;
- 检查两次直方图的差值——差得离谱说明今天机器不稳(换时间再跑比硬修明智);
- 报告两个直方图(学术与职场通用的体面)。
把类比拆掉
体重秤借了哪里:
- 不像之一:体重秤的偏差今天明天一样(机械定死);读出误差漂移(每次开机、每天的温度都在变)——所以标定不是出厂一次,是天天跑(076 篇"活文档"的又一例)。
- 不像之二:减两斤修正的是读数不是体重——同构的诚实:缓解修正的是统计不是物理;想知道真体重(真物理),要等纠错时代的容错读出,不是更聪明的除法。
带走的行李
- 谎话有方向:1→0 偏多(弛豫让比特读前"掉"回基态)——方向性是测谎的抓手;天天跑标定拿当日混淆矩阵。
- 三招与价码:矩阵反解(均值级、放大方差)、稀释(换纯度)、重复投票(换时间)——缓解修正账本,不修物理;单次读数永远不可信(002 的单向门)。
- 行业读法:先问"缓解前长什么样"——缓解前后的差距本身就是机器品质(078 滤镜的学术版)。
下一站的钩子:还在"门"的层面调参数?再往下一层——直接对微波波形下手:手把手教一个不听话的比特重新"听话",076 篇说的"机器方言"今天开口说话。097《脉冲层动手:手把手教一个不听话的比特》。
#量子计算 #从硬币到纠错 #读出误差 #误差缓解
讨论回复
加载中...正在加载回复...
智谱 GLM-5 已上线
我正在智谱大模型开放平台 BigModel.cn 上打造 AI 应用,智谱新一代旗舰模型 GLM-5 已上线,在推理、代码、智能体综合能力达到开源模型 SOTA 水平。