그래프 기반 노이즈 인지 능력을 갖춘 양자 프로그램의 적응적 충실도 추정

Adaptive Fidelity Estimation for Quantum Programs with Graph-Guided Noise Awareness

양자 프로그램의 충실도 추정은 소음이 많은 중간 규모 양자(NISQ) 장치에서 양자 프로그램을 테스트하는 데 중요한 단계이지만, 하드웨어 노이즈, 장치 이질성 및 트랜스파일링으로 인한 회로 변환으로 인해 필요한 측정 횟수를 미리 정의하기 어렵습니다. 본 논문에서는 회로 구조와 런타임 통계적 피드백을 활용하여 측정 예산을 실시간으로 결정하는 적응적이고 노이즈 인지 프레임워크인 QuFid를 제시합니다. QuFid는 양자 프로그램을 방향성 비순환 그래프(DAG)로 모델링하고, 제어 흐름을 고려한 랜덤 워크를 사용하여 게이트 의존성을 따른 노이즈 전파를 특성화합니다. 트랜스파일링으로 인한 구조적 변형 지표를 통해 백엔드별 효과를 파악하고, 이를 랜덤 워크 공식에 통합하여 노이즈 전파 연산자를 유도합니다. 그런 다음, 이 연산자의 스펙트럼 특성을 통해 회로 복잡성을 정량화하여, 적응적인 측정 계획 수립을 위한 체계적이고 가벼운 기반을 제공합니다. IBM Quantum 백엔드에서 실행된 18개의 양자 벤치마크 실험 결과, QuFid는 고정 샷 및 학습 기반 방법과 비교하여 측정 비용을 크게 줄이면서, 일관적으로 허용 가능한 충실도 편향을 유지하는 것으로 나타났습니다.

Fidelity estimation is a critical yet resource-intensive step in testing quantum programs on noisy intermediate-scale quantum (NISQ) devices, where the required number of measurements is difficult to predefine due to hardware noise, device heterogeneity, and transpilation-induced circuit transformations. We present QuFid, an adaptive and noise-aware framework that determines measurement budgets online by leveraging circuit structure and runtime statistical feedback. QuFid models a quantum program as a directed acyclic graph (DAG) and employs a control-flow-aware random walk to characterize noise propagation along gate dependencies. Backend-specific effects are captured via transpilation-induced structural deformation metrics, which are integrated into the random-walk formulation to induce a noise-propagation operator. Circuit complexity is then quantified through the spectral characteristics of this operator, providing a principled and lightweight basis for adaptive measurement planning. Experiments on 18 quantum benchmarks executed on IBM Quantum backends show that QuFid significantly reduces measurement cost compared to fixed-shot and learning-based baselines, while consistently maintaining acceptable fidelity bias.