Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.
# Tecniche di mitigazione degli errori sui dispositivi IonQ
La mitigazione degli errori implica l'esecuzione di più circuiti fisici e la combinazione delle relative misurazioni per ottenere un risultato migliore.
**Nota**
[Per tutti i IonQ dispositivi: quando si utilizza un modello on demand, è previsto un limite di 1 milione di [gateshot](braket-terms.md#gateshot-limit-term) e un minimo di 2500 scatti per le attività di mitigazione degli errori.](https://docs.aws.amazon.com/braket/latest/developerguide/braket-error-mitigation.html) Per una prenotazione diretta, non è previsto un limite di gateshot e un minimo di 500 shot per le attività di mitigazione degli errori.
## Debiasing
IonQ*i dispositivi dispongono di un metodo di mitigazione degli errori chiamato debiasing.*
Debiasing mappa un circuito in più varianti che agiscono su diverse permutazioni di qubit o con diverse decomposizioni dei gate. Ciò riduce l'effetto di errori sistematici come le sovratratazioni delle porte o un singolo qubit difettoso, utilizzando diverse implementazioni di un circuito che altrimenti potrebbero alterare i risultati di misurazione. Ciò comporta costi aggiuntivi per la calibrazione di più qubit e gate.
Per ulteriori informazioni sul debiasing, vedere [Miglioramento](https://arxiv.org/abs/2301.07233) delle prestazioni dei computer quantistici attraverso la simmetrizzazione.
**Nota**
L'uso del debiasing richiede un minimo di 2500 scatti.
È possibile eseguire un'operazione quantistica con debiasing su un IonQ dispositivo utilizzando il codice seguente:
```
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
```
Una volta completata l'operazione quantistica, è possibile visualizzare le probabilità di misurazione e tutti i tipi di risultato dell'operazione quantistica. Le probabilità di misurazione e i conteggi di tutte le varianti vengono aggregati in un'unica distribuzione. Tutti i tipi di risultato specificati nel circuito, ad esempio i valori di aspettativa, vengono calcolati utilizzando i conteggi delle misurazioni aggregate.
## Filtro di nitidezza
*È inoltre possibile accedere alle probabilità di misurazione calcolate con una diversa strategia di post-elaborazione chiamata nitidezza.* La nitidezza confronta i risultati di ciascuna variante ed elimina le immagini incoerenti, favorendo il risultato di misurazione più probabile tra le varianti. Per ulteriori informazioni, vedete [Migliorare](https://arxiv.org/abs/2301.07233) le prestazioni dei computer quantistici attraverso la simmetrizzazione.
È importante sottolineare che la nitidezza presuppone che la forma della distribuzione di output sia scarsa, con pochi stati ad alta probabilità e molti stati a probabilità zero. Se questa ipotesi non è valida, può distorcere la distribuzione delle probabilità.
Puoi accedere alle probabilità da una distribuzione più nitida nel `additional_metadata` campo dell'SDK Braket `GateModelTaskResult` Python. Nota che la nitidezza non restituisce i conteggi delle misurazioni, ma restituisce invece una distribuzione di probabilità rinormalizzata. Il seguente frammento di codice mostra come accedere alla distribuzione dopo la nitidezza.
```
print(result.additional_metadata.ionqMetadata.sharpenedProbabilities)
>>> {"00": 0.51, "11": 0.549} # sharpened probabilities
```