Noise Models (z.B. Depola­ri­zing, Cross-Talk, Hamil­to­nian Learning)

Quanten­pro­zes­so­ren sind inhärent fragil: Wechsel­wir­kun­gen mit der Umgebung und unvoll­kom­mene Kontrolle führen zu Fehlern, die Berech­nun­gen verfäl­schen. Rausch­mo­delle sind mathe­ma­ti­sche Beschrei­bun­gen dieser Störein­flüsse und erfas­sen, wie sich Quanten­zu­stände im Zeitver­lauf verschlech­tern. Gängige Beispiele sind depola­ri­sie­ren­des Rauschen (zufäl­lige Fehler, die Qubit‑Zustände verwür­feln), Depha­si­e­rung (Verlust der Phasen­ko­hä­renz zwischen Kompo­nen­ten einer Super­po­si­tion) und Ampli­tu­den­dämp­fung (Energie­ver­lust hin zum Grund­zu­stand). Formal werden diese Effekte durch Quanten­ka­näle und Kraus‑Operatoren beschrie­ben, was realis­ti­sche Simula­tio­nen des Geräte­ver­hal­tens ermög­licht. Eine präzise Charak­te­ri­sie­rung des Rauschens ist entschei­dend für die Entwick­lung von Fehler­kor­rek­tur­codes, für Hardware‑Benchmarking sowie für Fehlermitigation‑Strategien. Strate­gien, die die Ergeb­nisse auf Quanten­pro­zes­so­ren,  die heute und in naher Zukunft zur Verfü­gugng stehen, verbessern.

Quantum proces­sors are inher­ently fragile: inter­ac­tions with the environ­ment and imper­fect control intro­duce errors that corrupt compu­ta­ti­ons. Noise models are mathe­ma­ti­cal descrip­ti­ons of these distur­ban­ces, captu­ring how quantum states degrade over time. Common examp­les include depola­ri­zing noise (random errors that scram­ble qubit states), depha­sing (loss of phase coherence between super­po­si­tion compon­ents), and ampli­tude damping (energy decay toward the ground state). These models are forma­li­zed through quantum channels and Kraus opera­tors, enabling reali­stic simula­tion of device behavior. Accurate noise charac­te­riza­tion is essen­tial for desig­ning error correc­tion codes, bench­mar­king hardware, and develo­ping error mitiga­tion strate­gies that improve results on near-term quantum devices.