Data and code for collision-model Dicke-state preparation: depth-fidelity frontiers, circuit costs, and superconducting-processor measurements
Diese Arbeit präsentiert einen offenen Datensatz und den dazugehörigen Code, der die Vorbereitung von Dicke-Zuständen mittels eines kollisionsbasierten Protokolls detailliert beschreibt und rauschfreie Fidelity-Benchmarks über variierende Schaltungstiefen und Qubit-Anzahlen sowie Ressourcenabschätzungen und experimentelle Messungen auf einem 54-Qubit-Supraleiter-Prozessor bietet, um die Abwägungen zwischen der Zustandspräparations-Fidelity, den Schaltungskosten und dem Hardwarerauschen zu analysieren.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
In der Welt des Quantencomputings werden Informationen in winzigen Einheiten namens Qubits gespeichert. Im Gegensatz zu den Bits in einem Standardcomputer, die entweder Null oder Eins sein können, können Qubits gleichzeitig in einer delikaten Kombination beider Zustände existieren. Wenn viele Qubits miteinander verknüpft sind, können sie eine besondere Art von Verbindung bilden, die als Verschränkung bekannt ist, bei der der Zustand eines Qubits den der anderen augenblicklich beeinflusst, egal wie weit sie voneinander entfernt sind. Unter den vielen Möglichkeiten, diese verschränkten Gruppen anzuordnen, nimmt eine spezifische Familie von Zuständen, die sogenannten Dicke-Zustände, einen einzigartigen Platz ein. Stellen Sie sich einen Raum voller Menschen vor, in dem eine festgelegte Anzahl von ihnen einen roten Ball hält, aber niemand genau weiß, wer ihn hält; die roten Bälle sind so gleichmäßig unter allen verteilt, dass sie perfekt ausbalanciert sind. So sieht ein Dicke-Zustand aus: Eine präzise Anzahl von Energieeinheiten oder Anregungen wird kohärent über eine Gruppe von Qubits verteilt. Diese Zustände sind nicht nur theoretische Kuriositäten; sie sind leistungsstarke Werkzeuge für die Messung von Magnetfeldern, den Aufbau von Quantennetzwerken und die Erkennung subtiler Veränderungen in der Umgebung, die andere Zustände vielleicht übersehen würden. Die Erzeugung dieser Zustände in einer echten Maschine ist jedoch notorisch schwierig. Wenn die Anzahl der Qubits wächst, wird die Aufgabe schwieriger, und das unvermeidliche Rauschen in der Maschine neigt dazu, das delikate Gleichgewicht zu zerstören, noch bevor der Zustand überhaupt fertiggestellt ist.
Ein Forschungsteam hat nun eine umfassende Sammlung von Daten und Computercode veröffentlicht, die den Weg zur effektiveren Erzeugung dieser Zustände aufzeigt. Sie konzentrierten sich auf eine Methode, die den Erstellungsprozess wie eine Serie kurzer, wiederholter Treffen zwischen den Qubits und einem Helfer-Teilchen behandelt. Bei diesem Ansatz bewegt sich ein mobiles Helfer-Qubit durch das System und tauscht auf kontrollierte Weise Informationsteile mit den Haupt-Qubits aus. Durch die Anpassung der Stärke dieser Interaktionen und der Häufigkeit ihres Auftretens fanden die Forscher einen Weg, das System in Richtung des gewünschten Dicke-Zustands zu steuern. Das Team blieb nicht bei einem einzigen erfolgreichen Versuch stehen; es untersuchte eine riesige Landschaft von Möglichkeiten. Sie simulierten den Prozess für Systeme mit einer Größe von fünf bis vierzehn Qubits und testeten hunderte verschiedener Tiefen, oder Längen, der Interaktionssequenz. Für jede mögliche Länge des Prozesses berechneten sie die höchste Qualität des resultierenden Zustands, die in einer perfekten, rauschfreien Welt erreicht werden könnte. Dies erstellte eine detaillierte Karte, oder Frontier, die genau zeigt, wie sich die Qualität des Zustands verbessert, wenn der Prozess länger wird, und wie viel länger er sein muss, um ein bestimmtes Niveau an Perfektion zu erreichen.
Die Forscher nahmen diese theoretische Karte und testeten sie auf einem echten Quantencomputer, einem supraleitenden 54-Qubit-Prozessor in Finnland. Sie wählten eine Handvoll spezifischer Zustände aus ihren Simulationen aus und führten die entsprechenden Schaltkreise auf der physischen Maschine aus. Die Ergebnisse waren aufschlussreich. Für die kürzesten, einfachsten Versionen des Prozesses gelang es der Maschine, etwa drei Viertel der idealen Qualität beizubehalten, die in den Simulationen vorhergesagt wurde. Dies deutet darauf hin, dass selbst mit dem Rauschen und den Fehlern, die in der aktuellen Hardware inhärent sind, diese kurzen Schaltkreise robust genug sind, um nützliche Ergebnisse zu liefern. Als die Forscher den Prozess jedoch verlängerten und komplexer gestalteten, um eine höhere Perfektion zu erreichen, sanken die Ergebnisse drastisch. Die tiefsten, komplexesten Schaltkreise lieferten nicht besser als ein völlig zufälliges, zerstörtes System. Dieser starke Kontrast verdeutlicht einen kritischen Kompromiss: Während das Hinzufügen von mehr Schritten theoretisch die Verbesserung des Zustands fördern kann, ist die physische Maschine noch nicht perfekt genug, um die zusätzliche Zeit und Komplexität zu bewältigen, ohne die gerade noch zu aufbauende Kohärenz zu verlieren.
Um anderen Wissenschaftern dabei zu helfen, diesen Kompromiss zu navigieren, stellte das Team ein vollständiges Toolkit zur Verfügung. Sie veröffentlichten die Rohdaten aus ihren Simulationen, die geschätzten Kosten für das Ausführen dieser Schaltkreise in Bezug auf die Anzahl der grundlegenden Operationen sowie die tatsächlichen Messungen der realen Maschine. Dies ermöglicht es jedem, ein spezifisches Ziel abzurufen, wie zum Beispiel „Ich benötige einen Zustand mit fünf Qubits und zwei Anregungen“, und genau zu sehen, wie viele Schritte nötig sind, um sich der bestmöglichen Qualität anzunähern, und was die Kosten in Bezug auf Zeit und Fehler betragen würden. Sie stellten auch den Code bereit, um ihre Arbeit reproduzierbar zu machen, um sicherzustellen, dass der Weg, den sie gefunden haben, für andere offen steht, um verifiziert und verbessert zu werden. Die Daten zeigen, dass für viele der untersuchten Zustände eine einzige Runde von Interaktionen oft ausreichte, um die höchste Qualität zu erreichen, die innerhalb der Grenzen ihrer Suche möglich war. In anderen Fällen half eine größere Tiefe zwar, aber nur bis zu einem Punkt, an dem das Rauschen der Maschine die Vorteile der zusätzlichen Bemühungen zu überlagern begann.
Diese Arbeit beansprucht nicht, das Problem der Erzeugung perfekter Quantenzustände auf aktueller Hardware gelöst zu haben. Stattdessen bietet sie einen klaren, ehrlichen Leitfaden zu den derzeitigen Grenzen. Sie zeigt, dass wir zwar in der Lage sind, diese komplexen Zustände vorzubereiten, die Tiefe des Prozesses jedoch durch die Qualität der Maschine selbst begrenzt ist. Die Forscher demonstrierten, dass der Versuch, einen tieferen, komplexeren Prozess zu erzwingen, oft zu sinkenden Erträgen führt, da sich die Unvollkommenheiten der Maschine schneller ansammeln, als der Algorithmus sie korrigieren kann. Indem sie eine vollständige Aufzeichnung dessen veröffentlichten, was funktioniert, was scheitert und wo das Gleichgewicht liegt, dient dieser Datensatz als Benchmark für zukünftige Verbesserungen. Er sagt uns, dass der Weg nach vorn nicht einfach darin besteht, längere Schaltkreise zu bauen, sondern den „Sweet Spot“ zu finden, an dem der Schaltkreis lang genug ist, um nützlich zu sein, aber kurz genug, um das Rauschen der realen Welt zu überleben. Die Veröffentlichung dieser Daten und dieses Codes stellt sicher, dass die Gemeinschaft auf diesen Erkenntnissen aufbauen kann, indem sie neue Methoden gegen ein solides Fundament testet, das bereits gemessen und verstanden wurde.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.