기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

# IonQ 디바이스에서의 오류 완화 기법
<a name="error-mitigation-ionq"></a>

오류 완화에는 여러 물리적 회로를 실행하고 측정값을 결합하여 결과를 개선하는 작업이 포함됩니다.

**참고**  
모든 IonQ 디바이스: 온디맨드 모델을 사용하는 경우 [게이트샷](braket-terms.md#gateshot-limit-term) 제한은 1백만 개이고 [오류 완화](https://docs.aws.amazon.com/braket/latest/developerguide/braket-error-mitigation.html) 작업을 위한 최소 샷 수는 2,500개입니다. 직접 예약의 경우 게이트샷 제한이 없으며 오류 완화 작업을 위한 최소 샷 수는 500개입니다.

## 편향 제거
<a name="error-mitigation-ionq-debiasing"></a>

IonQ 디바이스에는 *편향 제거*라고 하는 오류 완화 방법이 있습니다.

편향 제거는 다양한 큐비트 순열 또는 다양한 게이트 분해에서 작동하는 여러 변형으로 회로를 매핑합니다. 이를 통해 측정 결과에 편향을 일으킬 수 있는 회로의 다양한 구현을 사용하여 게이트 과도 회전 또는 단일 결함 큐비트와 같은 체계적인 오류의 영향을 줄일 수 있습니다. 이는 여러 큐비트와 게이트를 보정하는 데 추가적인 오버헤드가 발생한다는 단점이 있습니다.

편향 제거에 대한 자세한 내용은 [대칭화를 통한 양자 컴퓨터 성능 향상](https://arxiv.org/abs/2301.07233)을 참조하세요.

**참고**  
편향 제거를 사용하려면 최소 2,500개의 샷이 필요합니다.

다음 코드를 사용하여 IonQ 디바이스에서 편향 제거를 사용하여 양자 작업을 실행할 수 있습니다.

```
from braket.aws import AwsDevice
from braket.circuits import Circuit
from braket.error_mitigation import Debias

# choose an IonQ device
device = AwsDevice("arn:aws:braket:us-east-1::device/qpu/ionq/Forte-Enterprise-1")
circuit = Circuit().h(0).cnot(0, 1)

task = device.run(circuit, shots=2500, device_parameters={"errorMitigation": Debias()})

result = task.result()
print(result.measurement_counts)
>>> {"00": 1245, "01": 5, "10": 10 "11": 1240} # result from debiasing
```

양자 작업이 완료되면 양자 작업의 측정 확률과 결과 유형을 볼 수 있습니다. 모든 변형의 측정 확률과 수는 단일 분포로 집계됩니다. 예상 값과 같이 회로에 지정된 모든 결과 유형은 집계 측정 수를 사용하여 계산됩니다.

## 선명화
<a name="error-mitigation-ionq-sharpening"></a>

또한 *선명화*라고 하는 다른 사후 처리 전략으로 계산된 측정 확률에 액세스할 수 있습니다. 선명화는 각 변형의 결과를 비교하고 일관되지 않은 샷을 폐기하며, 변형 전반에서 가장 가능성이 높은 측정 결과를 우선시합니다. 자세한 내용은 [대칭화를 통한 양자 컴퓨터 성능 향상](https://arxiv.org/abs/2301.07233)을 참조하세요.

중요한 점은, 선명화는 출력 분포의 형태를 희소하게 가정한다는 것입니다. 즉, 고확률 상태가 거의 없으며 제로 확률 상태가 많습니다. 이 가정이 유효하지 않으면 확률 분포가 왜곡될 수 있습니다.

Braket Python SDK의 `GateModelTaskResult`에 있는 `additional_metadata` 필드의 선명화된 분포에서 확률에 액세스할 수 있습니다. 단, 선명화는 측정 수를 반환하지 않고 대신 다시 정규화된 확률 분포를 반환합니다. 다음 코드 조각은 선명화 후 분포에 액세스하는 방법을 보여줍니다.

```
print(result.additional_metadata.ionqMetadata.sharpenedProbabilities)
>>> {"00": 0.51, "11": 0.549} # sharpened probabilities
```