📄️ Readout error mitigation
実機のデバイスは不完全であるため、状態の準備や測定でエラーが発生します。読み出しエラーの軽減は、このようなノイズ演算の逆変換を適用することにより、これらのエラーの影響を軽減します。ノイズ演算の逆行列(ここではフィルター行列と呼ぶ)は、読み出しエラー緩和において重要な役割を果たします。ノイジーカウント$C{\text}$は、ノイズのない世界で得ることのできる理想的なカウント$C{\text{ideal}}$とエラー行列$E$の積として考えることができます。
📄️ Zero-noise extrapolation
ZNEは、複数のノイズレベル値に対応する期待値からノイズレスな値に対応する期待値を外挿する誤差軽減法です。この方法は3つのステップから構成されています:
📄️ Clifford data regression
CDRは、シミュレータのような厳密なestimatorと実機のようなノイズのあるestimatorによって生成される学習データを用いて、ノイズのない値を予測するエラー軽減手法です。本手法は3つのステップから構成されます: