De laatste gepaarde run laat twee dingen tegelijk zien. Readout plus TFLO levert een veel duidelijker spinprofiel dan de ruwe data. Maar de compacte circuitversie geeft in deze proef geen betere lokale overeenkomst met onze klassieke chi64-referentie dan het origineel.
Het gaat om job daf6foe42tqs73avhoeg op ibm_phoenix, met een geregistreerd QPU-gebruik van 7 seconden voor de hele job. Beide circuitarmen en hun training, holdouts en kalibraties zijn daarin opgenomen. Het model is 6×6, N=32, U=8, t'=-0,25 en T=0,4 met twee symmetrische stappen.
Eerst de waarden, daarna de afwijkingen
N is het totale deeltjesaantal. D is de gemiddelde dubbelbezetting per site. Spin-RMS is de grootte van het lokale spinprofiel, niet zijn fout.
| Methode | N | D per site | Spin-RMS |
|---|---|---|---|
| Origineel, ruw | 35,463 | 0,24065 | 0,01632 |
| Origineel, readout + TFLO | 31,396 | 0,09013 | 0,65683 |
| Compact, ruw | 35,868 | 0,24854 | 0,01935 |
| Compact, readout + TFLO | 31,231 | 0,07719 | 0,67128 |
| Klassieke chi64-referentie | 32,000 | 0,08790 | 0,70346 |
Vooral het verschil tussen de ruwe en de gecorrigeerde spin springt eruit. Daar staat tegenover dat de correctie informatie uit U=0-training gebruikt. We moeten dus testen of de uiteindelijke U=8-schatter betrouwbaar is.
De lokale RMS-afwijkingen gebruiken alle 36 sites en vergelijken iedere observabele afzonderlijk met dezelfde chi64-referentie:
| Methode | Lading | Spin | Doublons |
|---|---|---|---|
| Origineel, readout + TFLO | 0,08389 | 0,09185 | 0,05080 |
| Compact, readout + TFLO | 0,10930 | 0,12586 | 0,06412 |
Deze getallen zijn geen bekende absolute fouten: chi64 is nog niet geconvergeerd. Ze laten wel zien wat de huidige vergelijking daadwerkelijk oplevert. Alleen naar het gemiddelde D kijken zou lokale afwijkingen verbergen die elkaar in de som kunnen opheffen.
Waarom we N niet simpelweg door 32 vervangen
De ideale Hamiltoniaan behoudt het deeltjesaantal. We weten dus dat N=32 de modelwaarde is. Die mag als constraint worden vermeld. Maar het zou misleidend zijn om de gemeten N-cel door 32 te vervangen en vervolgens te zeggen dat de hardware de lading vrijwel perfect heeft gereproduceerd.
Als we een constraint echt in een estimator willen verwerken, moet die methode vooraf worden beschreven en moeten de lokale waarden en hun onzekerheden consequent mee veranderen. Eén getal achteraf repareren is geen gevalideerde mitigatiemethode.
Hoe ver mogen we de tabel vertrouwen?
De onafhankelijke U=0-holdouts haalden onze screeningseisen niet. Sommige gereconstrueerde lokale kansen zijn negatief. We bewaren die uitkomsten zonder clipping. De bootstrapintervallen beschrijven slechts de gekozen statistische aannames; ze omvatten niet alle drift, transferbias of klassieke truncatiefout.
Dit is dus een concrete, reproduceerbare hardwaremijlpaal en een leerzaam mitigatieresultaat. De volgende wetenschappelijke stap is niet een mooiere tabel, maar een estimator die ook op onafhankelijke controles standhoudt.
Bron: analysis/summary.json en CONCLUSIE.md onder results_cuprate_2d/hardware_compact_tflo_2026-09-07_v1, plus de opgeslagen classical_full_6x6_mps_T04_chi64_v1-referentie.