Metrological Benchmarking of Random Quantum Circuits

Im Wettlauf darum zu beweisen, dass Quantencomputer Dinge tun können, die klassische Maschinen nicht leisten können, haben sich Wissenschaftler auf eine spezielle Art von Test konzentriert: das Ausführen zufälliger Sequenzen von Operationen auf einem Quantenprozessor und die Überprüfung, ob die Ausgabe mit einem komplexen, unvorhersehbaren Muster übereinstimmt. Dieser Ansatz, bekannt als Random Circuit Sampling, ist derzeit die führende Methode zur Demonstration eines „Quantenvorteils“. Es bleibt jedoch eine große Hürde bestehen. Um zu verifizieren, dass ein verrauschter, realer Quantencomputer diese komplexen Berechnungen tatsächlich korrekt ausführt, müssen Forscher traditionell die perfekte, ideale Antwort kennen, um sie damit zu vergleichen. Die Berechnung dieser idealen Antwort für große Systeme ist so schwierig, dass sie oft Supercomputer erfordert, was den Zweck des Tests zunichtemacht. Darüber hinaus kann das Rauschen in der Hardware dazu führen, dass die Ergebnisse fälschlicherweise einfach zu simulieren erscheinen, wodurch die wahre Leistungsfähigkeit der Maschine verborgen bleibt. Wissenschaftler benötigen einen Weg, um zu überprüfen, ob diese Maschinen wie beabsichtigt arbeiten, ohne zuerst das unmögliche mathematische Problem der perfekten Antwort lösen zu müssen.

Ein Team von Forschern am Korea Advanced Institute of Science and Technology hat einen neuen Weg vorgeschlagen, um dieses Problem zu lösen. Anstatt zu versuchen, die endgültige Ausgabe eines zufälligen Quantenschaltkreises zu berechnen, schlagen sie vor, zu beobachten, wie das System reagiert, wenn es sanft angestoßen wird. Stellen Sie sich einen Quantencomputer vor, der eine komplexe, zufällige Sequenz von Operationen ausführt. Die Forscher schlagen vor, eine kleine, kontrollierte Störung in die Mitte dieser Sequenz einzufügen und dann die Operationen in umgekehrter Reihenfolge durchzuführen. Indem sie messen, wie sehr sich der Endzustand des Systems als Reaktion auf diesen Anstoß verändert, können sie die Qualität und Komplexität der Dynamik des Schaltkreises beurteilen. Diese Reaktion wird durch ein Maß namens Quanten-Fisher-Information quantifiziert, das im Wesentlichen angibt, wie empfindlich das System auf die Störung reagiert. Das Team fand heraus, dass diese Empfindlichkeit als leistungsstarker Benchmark dient, der offenbart, ob sich der Schaltkreis wie ein wahrhaft zufälliges, komplexes System oder wie ein einfacheres, vorhersehbares System verhält – und zwar, ohne die idealen Ausgabewahrscheinlichkeiten berechnen zu müssen.

Die Forscher testeten ihre Idee, indem sie zwei sehr unterschiedliche Arten von Quantenschaltkreisen verglichen. Die erste Art besteht aus Schaltkreisen, die mathematisch zufällig und extrem komplex sind, bekannt als Haar-zufällige Schaltkreise. Der zweite Typ verwendet einen spezifischen Satz von Regeln, die als Clifford-Schaltkreise bezeichnet werden. Diese Clifford-Schaltkreise sind interessant, weil sie Informationen ebenso weit über das gesamte System verteilen können wie die komplexen Kreise, aber dennoch einfach genug bleiben, um von einem klassischen Computer simuliert zu werden. Wenn der Benchmark nur darauf basieren würde, wie weit sich die Information ausbreitet, würden beide Arten von Schaltkreisen gleich aussehen. Die Forscher entdeckten jedoch einen echten Unterschied. Als sie ihr Anstoß-und-Messen-Protokoll auf die komplexen Haar-zufälligen Schaltkreise anwandten, zeigte das System eine starke, messbare Reaktion. Die Empfindlichkeit wuchs mit der Anzahl der Qubits und erreichte ein maximales Maß an Reaktionsfähigkeit. Im Gegensatz dazu zeigte das System, als sie denselben Test auf die Clifford-Schaltkreise anwandten, gar keine Reaktion. Obwohl die Information genauso weit gestreut war, war das System gegenüber der kontrollierten Störung völlig unempfindlich. Dieses Ergebnis beweist, dass der Benchmark etwas Tieferes erkennt als nur die Ausbreitung der Information; er sondiert die spezifische, chaotische Natur der Dynamik, die einen Schaltkreis wirklich schwer simulierbar macht.

Um diesen Test für verschiedene Arten von Quantenhardware praktikabel zu machen, entwickelte das Team zwei Variationen des Protokolls. Eine Version nutzt die präzise Kontrolle über einzelne Qubits, indem die Störung auf ein einzelnes Teilchen angewendet wird. Die andere Version nutzt einen kollektiven Ansatz, bei dem die Störung gleichzeitig auf das gesamte System angewendet wird, was nützlich für Maschinen ist, die einzelne Qubits nicht individuell ansprechen können. Beide Methoden konnten die komplexen von den einfachen Schaltkreisen erfolgreich unterscheiden. Die Forscher führten auch ein „Butterfly“-Protokoll ein, eine spezifische Sequenz von Operationen, die es ermöglicht, den Test durch die Messung eines einzigen Qubits am Ende auszulesen. Während die durchschnittliche Antwort dieses Butterfly-Protokolls für beide komplexen und einfachen Schaltkreise gleich war, fanden die Forscher heraus, dass die Fluktuationen – die Art und Weise, wie die Ergebnisse von einem Durchlauf zum nächsten variierten – völlig unterschiedlich waren. Die komplexen Schaltkreise zeigten sehr kleine Fluktuationen, während die einfachen Kreise große, vorhersehbare Variationen zeigten. Dies bedeutet, dass Wissenschaftler selbst mit einem einfachen Single-Qubit-Readout zwischen einem wahrhaft zufälligen Quantenprozess und einem einfacheren Prozess unterscheiden können, indem sie das Muster dieser Variationen betrachten.

Schließlich adressierte das Team die Realität des Rauschens, das in jedem aktuellen Quantengerät vorhanden ist. Sie modellierten den Effekt des Rauschens als eine globale, zufällige Interferenz, die den perfekten Quantenzustand mit einem völlig zufälligen, nutzlosen Zustand vermischt. Sie leiteten eine präzise mathematische Beziehung ab, die zeigt, wie die ideale Empfindlichkeit mit zunehmendem Rauschen abnimmt. Entscheidend ist, dass diese Beziehung auch dann gilt, ohne dass die ideale Antwort im Voraus bekannt sein muss. Wenn das System verrauscht ist, skaliert die gemessene Empfindlichkeit einfach auf eine vorhersehbare Weise nach unten, was es den Forschern ermöglicht, genau zu quantifizieren, wie viel Rauschen den Benchmark beeinflusst. Dies liefert eine quantitative Referenz dafür, wie sich der Benchmark mit der Rauschstärke verändert, und verbindet die ideale Theorie mit realen Experimenten.

Die Arbeit bietet einen neuen Weg für die Validierung von Quantencomputern. Indem sie sich darauf konzentrieren, wie ein System auf einen kontrollierten Stoß reagiert, anstatt zu versuchen, sein endgültiges Ziel zu berechnen, können Forscher verrauschte zufällige Schaltkreise ohne die rechnerische Last der Ermittlung der idealen Antwort bewerten. Die Fähigkeit, komplexe, chaotische Dynamiken von einfacheren, klassisch simulierbaren Prozessen mith- Hilfe von lokalen oder globalen Kontrollen – und sogar mit Single-Qubit-Readouts – zu unterscheiden, bietet ein robustes Werkzeug für das Fachgebiet. Während Quantenprozessoren größer werden, werden diese Methoden es Wissenschaftlern ermöglichen, zu verifizieren, dass ihre Maschinen tatsächlich die komplexe Landschaft der Quantenmechanik erkunden, und sicherzustellen, dass der angestrebte Vorteil real ist und nicht eine durch Rauschen oder Einfachheit erzeugte Illusion.