Real-time adaptive tracking of fluctuating relaxation rates in superconducting qubits

Die Studie demonstriert, wie ein FPGA-gesteuertes adaptives Echtzeit-Verfahren die zeitliche Auflösung bei der Verfolgung von Relaxationszeit-Schwankungen in supraleitenden Qubits um zwei Größenordnungen verbessert und dabei bisher unbekannte, extrem schnelle Fluktuationen aufdeckt, die die Kalibrierung und das Verständnis von Quantenprozessoren neu definieren.

Das Wesentliche

Titel: Der flinke Detektor – Wie man Quantencomputer schneller „hört" als sie flüstern

Stellen Sie sich einen Quantencomputer wie ein riesiges, hochmodernes Orchester vor. Jeder einzelne Musiker ist ein Qubit (ein Quantenbit). Damit das Orchester eine perfekte Symphonie spielt, müssen alle Musiker genau im Takt bleiben. Das Problem? Die Musiker sind extrem nervös. Sie werden von winzigen Störungen in ihrer Umgebung abgelenkt, die dazu führen, dass sie plötzlich aus dem Takt geraten und ihre Musik (die Information) verblasst. In der Fachsprache nennt man das „Relaxation" oder den Zerfall der Energie.

Bisher war es für die Dirigenten (die Wissenschaftler) sehr schwierig, diesen Nervosität zu verstehen. Hier ist die einfache Erklärung, was diese Forscher entdeckt haben und warum es so wichtig ist:

1. Das alte Problem: Der langsame Fotograf

Früher haben die Wissenschaftler versucht, die Nervosität der Qubits zu messen, indem sie wie ein langsamer Fotograf agierten. Sie stellten einen Timer auf eine feste Zeit, ließen den Qubit „singen" und maßen dann das Ergebnis. Um ein genaues Bild zu bekommen, mussten sie diesen Vorgang hunderte Male wiederholen.

• Das Problem: Die Nervosität der Qubits ändert sich oft blitzschnell – innerhalb von Millisekunden. Der alte „Fotograf" war jedoch so langsam, dass er die schnellen Veränderungen gar nicht sah. Es war, als würde man versuchen, einen schnellen Rennwagen zu fotografieren, indem man alle 10 Minuten ein Foto macht. Man sieht nur eine unscharfe Masse, aber nicht, wie der Wagen eigentlich fährt.

2. Die neue Lösung: Der adaptive Jäger

In dieser Arbeit haben die Forscher einen neuen Ansatz entwickelt. Sie nutzen einen speziellen Computerchip (einen FPGA), der wie ein extrem schneller und schlauer Jäger agiert.

• Wie es funktioniert: Statt stur immer die gleiche Zeit zu warten, passt dieser Jäger sein Verhalten in Echtzeit an.
  • Er fragt: „Wie lange hat der Qubit gerade gesungen?"
  • Wenn es schnell war, wartet er beim nächsten Mal kürzer.
  • Wenn es langsam war, wartet er länger.
• Die Analogie: Stellen Sie sich vor, Sie versuchen, die Geschwindigkeit eines unsichtbaren Autos zu messen. Der alte Weg war, alle 10 Minuten an einer Kreuzung zu stehen und zu schauen. Der neue Weg ist, ein Helikopter zu sein, der dem Auto folgt und sofort reagiert, wenn das Auto bremst oder beschleunigt.

3. Die überraschende Entdeckung: Das Telegrafen-Geheimnis

Dank dieser neuen, superschnellen Methode haben die Forscher etwas völlig Neues entdeckt.

• Die alte Annahme: Man dachte, die Qubits würden ihre Stabilität nur langsam ändern – vielleicht über Minuten oder Stunden.
• Die neue Realität: Die Forscher sahen, dass sich die Stabilität innerhalb von wenigen Millisekunden dramatisch ändert. Es ist, als würde ein Musiker plötzlich von einem ruhigen Flüstern zu einem lauten Schrei wechseln und sofort wieder zurück, und das alles in einem Wimpernschlag.
• Die Ursache: Diese schnellen Sprünge werden von winzigen Defekten im Material verursacht, die wie winzige Schalter (sogenannte „Zwei-Niveau-Systeme") funktionieren. Diese Schalter umschalten sich bis zu 10 Mal pro Sekunde – das ist 10.000-mal schneller als bisher gedacht!

4. Warum ist das wichtig?

Dies ist ein Game-Changer für die Zukunft des Quantencomputings:

• Bessere Fehlerkorrektur: Wenn wir wissen, wann ein Qubit gerade „nervös" ist, können wir dem Computer sagen: „Hey, nutze gerade nicht diesen Musiker, sondern den anderen!" Das macht den Computer viel zuverlässiger.
• Schnellere Tests: Früher dauerte es Stunden, um zu prüfen, ob ein neuer Quanten-Chip gut funktioniert. Mit dieser Methode geht es in Sekunden. Das ist wie der Unterschied zwischen dem manuellen Sortieren von Äpfeln und einem modernen Förderband.
• Materialforschung: Es hilft den Ingenieuren zu verstehen, welche Materialien besser sind, um diese nervösen Schalter zu beruhigen.

Zusammenfassung

Die Forscher haben einen intelligenten, sich selbst anpassenden Messprozess entwickelt, der so schnell ist, dass er die blitzschnellen Störungen in Quantencomputern einfangen kann, die bisher unsichtbar waren. Sie haben entdeckt, dass diese Störungen viel schneller und wilder sind als gedacht. Mit diesem neuen Werkzeug können wir Quantencomputer in Zukunft viel besser kalibrieren, schneller testen und letztlich stabilere Rechner bauen, die komplexe Probleme lösen können.

Kurz gesagt: Sie haben die Brille aufgesetzt, mit der man endlich sieht, was die Quantenwelt wirklich in den Millisekunden tut, die vorher im Dunkeln lagen.

Technische Zusammenfassung

Titel

Echtzeit-adaptives Tracking von schwankenden Relaxationsraten in supraleitenden Qubits

1. Problemstellung

Die Zuverlässigkeit von Quantenoperationen auf Festkörper-Quantenprozessoren wird fundamental durch Umgebungsdekoherenz begrenzt. Ein Hauptfaktor ist die Energie-Relaxationszeit ($T_1$) von supraleitenden Qubits (insbesondere Transmons), die durch Wechselwirkungen mit Zwei-Niveau-Systemen (TLS) in der Umgebung fluktuiert.

• Herausforderung: Herkömmliche Charakterisierungsmethoden sind nicht-adaptiv und erfordern lange Messzeiten (Sekunden bis Stunden), um eine $T_1$-Kurve zu fitten. Dies führt zu einer schlechten zeitlichen Auflösung, wodurch schnelle dynamische Merkmale der zugrundeliegenden Physik (wie schnelle TLS-Switching-Ereignisse) gemittelt und unsichtbar werden.
• Folge: Qubits, die als „Ausreißer" mit schlechter Leistung identifiziert werden sollen, können sich aufgrund zeitabhängiger Fluktuationen schnell ändern. Zudem ist die Kalibrierung in großen Quantenprozessoren (QPUs) ineffizient, wenn sie auf statischen, stundenalten Daten basiert.

2. Methodik

Die Autoren entwickeln und demonstrieren ein Echtzeit-Protokoll zur adaptiven Schätzung der Relaxationsrate $\Gamma_1 = 1/T_1$ unter Verwendung eines klassisch gesteuerten FPGA-Controllers (Field-Programmable Gate Array).

• Hardware-Setup: Ein 5-Qubit-Array aus supraleitenden Transmons wird in einem Verdünnungskühlschrank (< 10 mK) betrieben. Ein kommerzieller Controller (Quantum Machines OPX1000) steuert die Mikrowellenpulse und die Einzel-Shot-Auslesung.
• Bayessche Schätzung:
  • Statt eines festen Wartezeit-Rasters wird die Wartezeit $\tau_i$ für jeden Messzyklus adaptiv basierend auf der aktuellen posterior-Wahrscheinlichkeitsverteilung $P(\Gamma_1)$ gewählt.
  • Prior-Verteilung: Die Verteilung wird als Gamma-Verteilung parametrisiert (nur zwei Parameter: Form $k$ und Skalierung $\theta$). Dies ermöglicht eine extrem schnelle Aktualisierung auf dem FPGA (ca. 2,2 µs pro Zyklus).
  • Update-Regel: Nach jedem Einzel-Shot-Messergebnis ($m \in \{0, 1\}$) wird die Posterior-Verteilung mittels Bayes-Theorem aktualisiert. Die nächste Wartezeit wird als $\tau_{i+1} = c \cdot \hat{T}_1$ gewählt, wobei $\hat{T}_1$ der aktuelle Schätzwert ist.
• Vergleich: Das adaptive Verfahren wird mit traditionellen nicht-adaptiven Methoden verglichen, bei denen viele Wiederholungen bei festen Wartezeiten gemittelt werden müssen.

3. Schlüsselbeiträge

1. Zeitliche Auflösung: Die Methode verbessert die zeitliche Auflösung der $T_1$-Charakterisierung um zwei Größenordnungen (von Sekunden/Minuten auf Millisekunden).
2. Echtzeit-Feedback: Die Schätzung erfolgt direkt auf dem FPGA während des Experiments, was eine Interleaving (Verschachtelung) mit Quantenoperationen ermöglicht.
3. Entdeckung schneller Dynamik: Die Autoren können Fluktuationen beobachten, die bisher unzugänglich waren, und identifizieren TLS-Switching-Raten, die um vier Größenordnungen schneller sind als in früheren Berichten.

4. Ergebnisse

• Schnelle Fluktuationen: Bei zwei getesteten Qubits (mit durchschnittlichen $T_1 \approx 0,17$ ms) wurden Ereignisse beobachtet, bei denen sich die Relaxationszeit innerhalb von nur zehn bis hundert Millisekunden um fast eine Größenordnung änderte (z. B. von >500 µs auf ~100 µs).
• TLS-Switching-Raten: Durch Analyse der Leistungsdichtespektren (PSD) und der Allan-Abweichung konnten Switching-Raten von bis zu 10 Hz (und 100 mHz) extrahiert werden. Dies ist $10^4$-mal schneller als frühere Berichte, die typischerweise im Minuten- oder Stundenbereich lagen.
• Validierung:
  • Ein interleave-Experiment (abwechselnd adaptive und nicht-adaptive Messungen) zeigte, dass die adaptive Methode nach nur ~50 Einzel-Shot-Messungen (Gesamtzeit ~11 ms) einen Schätzwert liefert, der mit dem Ergebnis der nicht-adaptiven Methode (Gesamtzeit ~1 s) übereinstimmt.
  • Die Unsicherheit der adaptiven Schätzung korreliert stark mit der theoretisch erwarteten Unsicherheit (weißer Rauschanteil), was die Zuverlässigkeit der Methode bestätigt.
• Statistische Analyse: Die Fluktuationen folgen einem Lorentz-Modell, was auf das Vorhandensein weniger stark gekoppelter TLS-Defekte hindeutet, die in und aus der Resonanz mit dem Qubit wechseln.

5. Bedeutung und Ausblick

• Neue Kalibrierungsstandards: Die Ergebnisse definieren die relevanten Zeitskalen für die Kalibrierung von supraleitenden QPUs neu. Anstatt stündlicher oder täglicher Neukalibrierung könnten Systeme in Echtzeit auf Millisekunden-Basis reagieren.
• Fehlermitigation: Da die Gate-Fidelität durch die schlechtesten Qubits („Outlier") begrenzt wird, ermöglicht das Echtzeit-Monitoring von $T_1$ eine dynamische Routing-Strategie. Quantenalgorithmen könnten nur dann ausgeführt werden, wenn die geschätzte $T_1$ eines Qubits einen bestimmten Schwellenwert überschreitet, oder das System könnte bei schnellen Verschlechterungen pausieren.
• Materialcharakterisierung: Die Methode bietet ein leistungsfähiges Werkzeug für das High-Throughput-Screening von Qubits, um schnelle Fluktuationen zu identifizieren und die Fertigungsprozesse zu optimieren.
• Erweiterbarkeit: Das Protokoll ist skalierbar und könnte auf Dephasierungsraten ($T_2$) oder andere Quantenplattformen erweitert werden, um Korrelationen zwischen verschiedenen Dekohärenzkanälen zu untersuchen.

Fazit: Die Arbeit demonstriert einen Paradigmenwechsel von statischer, langsamer Charakterisierung hin zu dynamischer, adaptiver Echtzeit-Überwachung von Quantenprozessoren. Dies ist ein entscheidender Schritt hin zu fehlertoleranten Quantencomputern, die mit der inhärenten Instabilität ihrer physikalischen Qubits umgehen können.