Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

# Teknik mitigasi kesalahan pada perangkat IonQ
<a name="error-mitigation-ionq"></a>

Mitigasi kesalahan melibatkan menjalankan beberapa sirkuit fisik dan menggabungkan pengukuran mereka untuk memberikan hasil yang lebih baik.

**catatan**  
[Untuk semua IonQ perangkat: Saat menggunakan model sesuai permintaan, ada batas 1 Juta [gateshot](braket-terms.md#gateshot-limit-term), dan minimal 2500 bidikan untuk tugas mitigasi Kesalahan.](https://docs.aws.amazon.com/braket/latest/developerguide/braket-error-mitigation.html) Untuk reservasi langsung, tidak ada batas gateshot, dan minimal 500 tembakan untuk tugas mitigasi Kesalahan.

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

IonQ*perangkat memiliki metode mitigasi kesalahan yang disebut debiasing.* 

Debiasing memetakan rangkaian menjadi beberapa varian yang bekerja pada permutasi qubit yang berbeda atau dengan dekomposisi gerbang yang berbeda. Ini mengurangi efek kesalahan sistematis seperti rotasi berlebih gerbang atau qubit tunggal yang salah dengan menggunakan implementasi sirkuit yang berbeda yang dapat membiaskan hasil pengukuran. Ini datang dengan mengorbankan overhead ekstra untuk mengkalibrasi beberapa qubit dan gerbang.

Untuk informasi lebih lanjut tentang debiasing, lihat [Meningkatkan kinerja komputer kuantum melalui simetrisasi](https://arxiv.org/abs/2301.07233).

**catatan**  
Menggunakan debiasing membutuhkan minimal 2500 tembakan.

Anda dapat menjalankan tugas kuantum dengan debiasing pada IonQ perangkat menggunakan kode berikut:

```
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
```

Ketika tugas kuantum selesai, Anda dapat melihat probabilitas pengukuran dan jenis hasil apa pun dari tugas kuantum. Probabilitas pengukuran dan hitungan dari semua varian digabungkan menjadi satu distribusi. Setiap jenis hasil yang ditentukan dalam rangkaian, seperti nilai ekspektasi, dihitung menggunakan jumlah pengukuran agregat.

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

*Anda juga dapat mengakses probabilitas pengukuran yang dihitung dengan strategi pasca-pemrosesan yang berbeda yang disebut penajaman.* Penajaman membandingkan hasil setiap varian dan membuang bidikan yang tidak konsisten, mendukung hasil pengukuran yang paling mungkin di seluruh varian. Untuk informasi lebih lanjut, lihat [Meningkatkan kinerja komputer kuantum melalui simetrisasi](https://arxiv.org/abs/2301.07233). 

Yang penting, penajaman mengasumsikan bentuk distribusi keluaran menjadi jarang dengan sedikit keadaan probabilitas tinggi dan banyak keadaan probabilitas nol. Ini dapat mendistorsi distribusi probabilitas jika asumsi ini tidak valid. 

Anda dapat mengakses probabilitas dari distribusi yang dipertajam di `additional_metadata` bidang pada SDK Python `GateModelTaskResult` Braket. Perhatikan bahwa penajaman tidak mengembalikan jumlah pengukuran, melainkan mengembalikan distribusi probabilitas yang dinormalisasi ulang. Cuplikan kode berikut menunjukkan cara mengakses distribusi setelah penajaman.

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