qiskit-zenodragging
收藏资源简介：
该数据集名为qiskit-zenodragging，专注于在IBM Quantum硬件上实现量子Zeno拖拽效应，包括状态传输和仅使用投影测量实现的逻辑门。数据集详细记录了单量子位门和双量子位门的性能比较，展示了Zeno技术在单量子位门上的显著改进（如X、T、S门的保真度提升）以及在双量子位门上的不足（如CNOT门的性能下降）。此外，数据集还包含了实验协议、文件描述、实验结果（如N依赖性研究、控制实验、全面单量子位门测试、Zeno CNOT实验、纠缠和轨迹分析等）、硬件信息（如使用的IBM Quantum后端ibm_torino）以及数据格式和引用信息。
This dataset, named qiskit-zenodragging, focuses on realizing the quantum Zeno dragging effect on IBM Quantum hardware, covering state transfer and logical gates implemented exclusively using projective measurements. It thoroughly documents the performance comparison between single-qubit gates and two-qubit gates, revealing that the Zeno technique delivers notable performance improvements for single-qubit gates (e.g., enhanced fidelity of X, T, and S gates) while showing shortcomings for two-qubit gates, such as degraded performance of the CNOT gate. Furthermore, the dataset includes experimental protocols, file descriptions, experimental results (including N-dependence studies, control experiments, comprehensive single-qubit gate tests, Zeno CNOT experiments, entanglement and trajectory analysis, etc.), hardware details (such as the employed IBM Quantum backend ibm_torino), as well as data format and citation information.
数据集概述：qiskit-zenodragging
基本信息
- 数据集名称：qiskit-zenodragging
- 描述：在IBM Quantum硬件上实现的量子芝诺拖拽：仅使用投影测量实现的状态传输和逻辑门。
- 许可证：CC-BY-4.0
- 任务类别：其他
- 标签：quantum-computing, qiskit, physics, quantum-zeno-effect, measurement-based-quantum-computing
- 数据规模：n<1K
核心研究内容与关键结果
单量子比特门：芝诺方法优势
| 门 | 标准方法保真度 | 芝诺方法保真度 | 提升幅度 | 成功率 |
|---|---|---|---|---|
| X (NOT) | 87.0% | 92.1% | +5.2% | 39.2% |
| T | 79.5% | 96.2% | +16.8% | 65.0% |
| S | 53.2% | 96.1% | +42.8% | 63.3% |
| Identity | 90.2% | 95.3% | +5.1% | 64.8% |
双量子比特门：标准方法优势
| 门 | 标准方法保真度 | 芝诺方法（最佳）保真度 | 差异 |
|---|---|---|---|
| CNOT | 82.5% | 78.8% | -3.7% |
结论：芝诺技术提高了单量子比特门的保真度，但对于双量子比特门，其引入的额外开销过大。
背景与协议
- 量子芝诺效应：频繁测量通过反复将量子态坍缩到测量本征态来冻结量子态。
- 芝诺拖拽：通过缓慢旋转测量基，量子态可以在布洛赫球上被“拖拽”沿着一条轨迹移动，每次测量坍缩都将态拉向新的基。
- 协议：使用N个测量步骤将 |0> 转移到 |1>。理论成功概率：P = cos^2(pi/2N)^N，当N趋近于无穷大时趋近于1。
数据文件
| 文件 | 描述 | 电路数 | 测量次数 |
|---|---|---|---|
zeno_drag.json |
N依赖性研究 (N=2,4,8,16,32) | 5 | 2048 |
zeno_controls.json |
对照实验：冻结、正向、反向、随机 | 4 | 2048 |
zeno_not_gate.json |
NOT门与标准X门的比较 | 5 | 4096 |
zeno_cnot.json |
CNOT门：3种芝诺方法与标准方法比较 | 20 | 2048 |
zeno_gates_comprehensive.json |
通过芝诺方法实现的所有Clifford+T门 | 84 | 2048 |
zeno_entanglement_trajectories.json |
纠缠态（贝尔态/GHZ态）、量子比特质量、轨迹错误检测 | 34 | 4096 |
详细实验结果
N依赖性研究
| N | 成功率 | P(成功条件下的目标态概率) | 理论成功率 |
|---|---|---|---|
| 2 | 27.3% | 87.6% | 25.0% |
| 4 | 37.7% | 92.2% | 53.1% |
| 8 | 41.9% | 92.4% | 73.3% |
| 16 | 32.5% | 91.4% | 85.7% |
| 32 | 15.7% | 91.9% | 92.6% |
成功率在N=8附近达到峰值，这是由于更多步骤增加理论成功率与累积硬件错误之间的竞争效应。
对照实验 (N=8)
| 实验 | 描述 | P(成功条件下的正确态概率) |
|---|---|---|
| 冻结 | 重复测量Z，无旋转 | 96.0% 处于 |
| 正向 | 将 | 0> 拖拽至 |
| 反向 | 将 | 1> 拖拽至 |
| 随机 | 随机测量基 | 33.3% (无效) |
随机基对照实验证实结构化旋转是必需的——随机测量会破坏量子态。
综合单量子比特门测试 (84个电路)
芝诺方法占优的门（共19个）示例：
| 门 | 标准方法保真度 | 芝诺方法保真度 | 提升幅度 | 成功率 |
|---|---|---|---|---|
| H (作用于 | 1>) | 13.3% | 95.6% | +82.3% |
| Z (作用于 | +>) | 12.9% | 95.2% | +82.3% |
| S (作用于 | +>) | 53.2% | 96.1% | +42.8% |
| T (作用于 | +>) | 79.5% | 96.2% | +16.8% |
模式：芝诺方法在将态拖向 |0> 或作用于叠加态的门上表现优异。在 |+> 态上的相位门（S, T）显示出巨大改进。
芝诺CNOT实验
测试了三种通过芝诺拖拽实现CNOT的方法：
| 方法 | 平均保真度 | 相对于标准CNOT | 成功率 |
|---|---|---|---|
| 标准CNOT | 82.5% | 基线 | 100% |
| 芝诺自适应 | 78.8% | -3.7% | 51.8% |
| 芝诺X冻结 | 34.0% | -48.6% | 36.4% |
| 芝诺贝尔 | 7.5% | -75.0% | 27.2% |
结论：芝诺CNOT失败，因为电路开销（N个受控旋转 + N次测量）超过了后选择带来的益处。标准CNOT使用原生CZ门，深度最小。
纠缠与轨迹分析
纠缠态上的芝诺效应
| 态 | 被动方法保真度 | 芝诺方法保真度 | 结论 |
|---|---|---|---|
| 贝尔态 | 84.0% | 47% | 芝诺失败 |
| 3量子比特GHZ态 | 83.1% | 44% | 芝诺失败 |
| 4量子比特GHZ态 | 74.5% | 45% | 芝诺失败 |
发现：局域芝诺测量会破坏纠缠。对纠缠态进行的中电路测量会破坏非局域关联。
量子比特质量相关性
| 量子比特 | 被动方法保真度 | 芝诺方法保真度 | 提升幅度 |
|---|---|---|---|
| Q0 (较低质量) | 91.3% | 95.9% | +4.5% |
| Q10 | 93.7% | 98.4% | +4.7% |
| Q50 (较高质量) | 98.1% | 99.8% | +1.8% |
| Q100 | 95.0% | 97.0% | +1.9% |
发现：质量较低的量子比特从芝诺效应中获益更多。这表明芝诺效应可以补偿量子比特的缺陷。
轨迹错误检测
| 轨迹中的翻转次数 | 计数 | 保真度 |
|---|---|---|
| 0 (完美) | 2747 | 96.0% |
| 1 (一次错误) | 875 | 94.2% |
| 2 | 160 | 88.1% |
| 3+ | <100 | <82% |
关键发现：具有1-2次中间“翻转”的轨迹仍然能达到高保真度。这使得以下成为可能：
- 软后选择：接受具有1次翻转的轨迹，而非严格的0翻转。
- 错误检测：翻转次数可预测最终态质量。
- 潜在错误纠正：利用轨迹数据进行错误缓解。
硬件与数据信息
- 硬件后端：IBM Quantum ibm_torino (133量子比特)
- 总QPU时间：所有实验共计116秒
- 实验日期：2026年1月
- 数据格式：每个JSON文件包含实验标识符、时间戳、后端名称、测量次数、作业ID以及包含原始比特串和分析指标的实验结果数组。
研究意义总结
- 单量子比特芝诺门有效：当后选择可接受时，基于测量的X、S、T门性能优于幺正版本。
- 双量子比特芝诺门失败：电路开销抵消了后选择的好处。标准CNOT仍然是最优的。
- T门的改进显著：在容错量子计算中最昂贵的门上实现了+16.8%的保真度提升。
- 错误结构很重要：芝诺拖拽对相干门错误具有鲁棒性，但对测量错误敏感——这与幺正电路的错误特征不同。
- 芝诺效应破坏纠缠：对贝尔/GHZ态的局域芝诺测量会破坏非局域关联。芝诺本质上是一种单量子比特技术。
- 较差量子比特获益更多：较低质量量子比特显示出比较大的质量量子比特更大的芝诺改进。芝诺效应补偿了硬件缺陷。
- 轨迹数据支持错误检测：中间测量结果可以预测最终保真度。这为软后选择和错误缓解开辟了新途径。
引用
@dataset{qiskit-zenodragging, title={Quantum Zeno Dragging on IBM Quantum Hardware}, author={Norton, Charles C.}, year={2026}, publisher={Hugging Face}, url={https://huggingface.co/datasets/phanerozoic/qiskit-zenodragging} }
