⚛️ Quantenphysik

Optimal Control of a Fluxonium Circuit with the Q-PRONTO Numerical Method

Diese Arbeit demonstriert die Effektivität der Q-PRONTO-Numerikmethode zur Optimierung der Fluxonium-Qubit-Steuerung, indem sie durch modifizierte QICK-Firmware und Randomized Benchmarking eine quadratische Konvergenz sowie einen Gate-Fehler von $6,6\times10^{-4}$ erreicht.

Ursprüngliche Autoren: John Barta, Brian D. Isakov, Pablo Aramburu Sanchez, Jieqiu Shao, Tamás Kalmár, Trevyn F. Q. Larson, Marco M. Nicotra, András Gyenis

Veröffentlicht 2026-10-26

📖 4 Min. Lesezeit🧠 Tiefgang

CC BY 4.0

Ursprüngliche Autoren: John Barta, Brian D. Isakov, Pablo Aramburu Sanchez, Jieqiu Shao, Tamás Kalmár, Trevyn F. Q. Larson, Marco M. Nicotra, András Gyenis

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

Der Bau eines Computers, der die seltsamen Regeln der Quantenmechanik nutzt, um Probleme zu lösen, erfordert mehr als nur die Erstellung winziger, fragiler Schaltkreise; er verlangt die Fähigkeit, diese Schaltkreise mit extremer Präzision zu steuern. In der Welt der supraleitenden Quantencomputer wird Information in künstlichen Atomen namens Qubits gespeichert. Um diese Maschinen zum Laufen zu bringen, müssen Wissenschaftler sorgfältig getimte Energieimpulse anwenden, um die Qubits von einem Zustand in einen anderen zu bewegen, was effektiv Berechnungen durchführt. Diese Schaltkreise sind jedoch nicht perfekt. Sie existieren in einer verrauschten Umgebung, in der zusätzliche Energieniveaus die Berechnung stören können, und die exakten Eigenschaften des Schaltkreises weichen oft leicht von dem ab, was Ingenieure erwarten. Wenn die Steuersignale nicht perfekt geformt sind, kann das Qubit aus seinem beabsichtigten Pfad entweichen oder Fehler verursachen, was den Computer versagen lässt. Damit diese Systeme skalierbar werden und nützlich werden können, benötigen Forscher eine Möglichkeit, Steuersignale zu entwerfen, die robust gegenüber diesen Unvollkommenheiten sind und komplexe, mehrstufige Systeme effizient handhaben können.

Ein Team von Forschern der University of Colorado Boulder und anderer Institutionen hat einen bedeutenden Schritt zur Lösung dieses Problems unternommen, indem sie eine neue mathematische Methode für das Design dieser Steuersignale testeten. Sie konzentrierten sich auf einen spezifischen Typ eines supraleitenden Schaltkreises, bekannt als Fluxonium-Qubit, eine Drahtschleife, die einen speziellen Übergang enthält, der es ihr ermöglicht, sich wie ein künstliches Atom zu verhalten. Im Gegensatz zu einfacheren Qubit-Designs besitzt das Fluxonium viele Energieniveaus, was es schwieriger zu steuern, aber auch potenziell leistungsfähiger macht. Die Forscher verwendeten eine Technik namens Q-PRONTO, eine numerische Methode, die darauf ausgelegt ist, die bestmögliche Sequenz elektrischer Impulse zu finden, um den Zustand des Qubits zu rotieren. Während ältere Methoden zur Findung dieser Impulse oft nur langsam Schritt für Schritt Fortschritte machen, ist Q-PRONTO darauf ausgelegt, die Lösung viel schneller zu finden, indem es eine spezifische Art von mathematischem Shortcut nutzt, die direkter auf die Antwort konvergiert. Diese Geschwindigkeit ist entscheidend, da mit wachsender Größe der Quantensysteme die Zeit, die für die Berechnung der richtigen Steuersignale benötigt wird, zu einem großen Engpass werden kann.

Um diese Methode zu testen, musste das Team zunächst eine Hardwarebeschränkung überwinden. Die Ausrüstung, die sie zur Erzeugung der Steuersignale verwendeten, bekannt als Quantum Instrumentation Control Kit, war ursprünglich nicht dafür gebaut, sehr lange, komplexe Sequenzen maßgeschneiderter Pulse abzuspielen. Um dies zu umgehen, schrieben die Forscher die interne Software, die Firmware, des Geräts um. Sie entfernten einige der Standardfunktionen, um Platz für einen großen Speicherpuffer zu schaffen, der hunderte Mikrosekunden an benutzerdefinierten Wellenformen halten konnte. Diese Modifikation ermöglichte es ihnen, die von dem Q-PRONTO-Algorithmus erzeugten langen, komplizierten Impulse direkt an den Fluxonium-Schaltkreis zu senden, ohne sie in kleinere, weniger effektive Stücke zu zerlegen. Sobald die Hardware bereit war, verwendeten sie die neue Methode, um einen Puls zu entwerfen, der das Qubit um einen spezifischen Betrag rotiert – eine fundamentale Operation, die als Gate bezeichnet wird – und zwar in nur 178 Nanosekunden.

Die Ergebnisse des Experiments wurden mithilfe eines Standardtestverfahrens namens Randomized Benchmarking gemessen, bei dem viele zufällige Abfolgen von Operationen durchgeführt werden, um zu sehen, wie oft das System in den korrekten Zustand zurückkehrt. Das Team stellte fest, dass die durch Q-PRONTO entworfenen Pulse außergewöhnlich gut funktionierten und eine Fehlerrate von nur 6,6 Fehlern auf 10.000 Operationen ergaben. Dieses Maß an Genauigkeit ist bemerkenswert hoch, insbesondere angesichts der Komplexität des Fluxonium-Schaltkreises. Als die Forscher analysierten, woher die verbleibenden Fehler stammten, fanden sie heraus, dass die Leistung nicht durch die Qualität der Steuersignale selbst begrenzt wurde, sondern durch die natürliche Lebensdauer des Quantenzustands. Das Qubit hielt seine Information für eine Zeit, die nur geringfügig länger als die Dauer des Gates war, was bedeutete, dass das Steuersignal nahezu perfekt für die physikalischen Grenzen des Geräts war.

Diese Arbeit zeigt, dass fortschrittliche mathematische Optimierungsmethoden erfolgreich Steuersignale für komplexe Quantenschaltkreise entwerfen können, selbst wenn diese Schaltkreise viele Energieniveaus besitzen, die Fehler verursachen könnten. Indem sie zeigten, dass die Q-PRONTO-Methode in der Lage ist, High-Fidelity-Gates zu erzeugen, die das System an seine physikalischen Grenzen führen, haben die Forscher ein Werkzeug validiert, das für zukünftige, größer dimensionierte Quantencomputer essenziell sein wird. Obwohl die von ihnen erzeugten Pulse den traditionellen Radiowellen recht ähnlich sahen, ist die Methode, die zur Erstellung von ihnen verwendet wurde, mächtig genug, um viel schwierigere Szenarien zu bewältigen, wie etwa die Steuerung mehrerer Qubits gleichzeitig oder den Umgang mit unbekannten Variationen in der Hardware. Der Erfolg dieses Experiments legt nahe, dass diese anspruchsvollen numerischen Werkzeuge unerlässlich sein werden, wenn Quantencomputer in Größe und Komplexität wachsen, um sie korrekt am Laufen zu halten und das theoretische Potenzial der Quantenmechanik in eine praktische Realität zu verwandeln.

Technische Zusammenfassung: Optimale Steuerung eines Fluxonium-Schaltkreises mit der numerischen Q-PRONTO-Methode

Problemstellung
Die präzise Steuerung von Quantenzuständen in dissipativen Multi-Level-Systemen, wie etwa supraleitenden Fluxonium-Qubits, ist eine kritische Anforderung für die gatterbasierte Quantenberechnung. Traditionelle Steuerungsstrategien beschränken das System oft auf zwei oder drei Zustände und verwenden monochromatische Anregungen. Da die Gattergeschwindigkeiten jedoch zunehmen, stoßen diese Ansätze an Grenzen, einschließlich des Leckage-Effekts aus dem Rechenraum und des Auftretens von Gegenrotations-Termen, welche die Gatter-Fidelitäten verschlechtern. Verfahren zur Quanten-Optimalsteuerung (QOC) wie GRAPE und Krotov bieten zwar Rahmenbedingungen zur Gestaltung der Zeitentwicklung, basieren jedoch typischerweise auf modellbasierten Implementierungen, die eine präzise Kenntnis der Hamilton-Operatoren der Schaltkreise voraussetzen. Darüber hinaus garantieren diese Methoden oft nur eine annähernd lineare Konvergenzrate, was bei großskaligen Quantensystemen zu einem ressourcenintensiven Engpass wird.

Methodik
Die Autoren verwenden die Quantum Projection Operator-Based Newton Method for Trajectory Optimization (Q-PRONTO), eine kürzlich entwickelte numerische Methode, die darauf ausgelegt ist, eine quadratische Konvergenz für die Steuerung von Quantenzuständen zu erreichen. Im Gegensatz zu Standard-Gradientenabstieg-Ansätzen nutzt Q-PRONTO einen Projektionsoperator, um die Systemdynamik in eine modifizierte Kostenfunktion abzubilden und anschließend die Newton-Methode zur Minimierung zu verwenden. Dieser Ansatz bewahrt Krümmungsinformationen und bietet somit einen direkteren Weg zur optimalen Lösung.

Die Studie konzentriert sich auf ein supraleitendes Fluxonium-Qubit, das durch einen Josephson-Kontakt charakterisiert ist, welcher durch eine Induktivität und eine Kapazität beschaltet ist. Das Optimierungsproblem ist darauf ausgelegt, die Fidelität eines $\pi/2$ -Rotationsgatters (ein $X_{\pi/2}$ -Gatter) innerhalb einer Gesamtzeit $T$ zu maximieren, unter Berücksichtigung von Beschränkungen hinsichtlich Leakage, Steueramplitude und Steuerfrequenz. Die Kostenfunktion umfasst:

Terminalen Kostenanteil (Terminal Cost): Minimierung des Abstands zwischen dem Endzustand und der Ziel-Unität.
Inkrementellen Kostenanteil (Incremental Cost): Bestrafung der Steuerinput-Amplitude ( $\ell_u$ ), der Änderungsrate des Inputs zur Reduzierung hochfrequenter Anteile ( $\ell_w$ ) und der Leakage in den zweiten angeregten Zustand ( $\ell_\psi$ ).

Um diese optimierten Pulse experimentell zu validieren, haben die Autoren die Firmware des Quantum Instrumentation Control Kit (QICK), das auf einem Xilinx ZCU216 RFSoC Board läuft, modifiziert. Die Standard-Firmware, die Einzelfrequenz-Töne mit Einhüllenden kombiniert, war für die langen Ketten beliebiger Pulse, die für das Randomized Benchmarking erforderlich sind, unzureichend. Die Autoren entfernten die Direct Digital Synthesis (DDS)-Logik und implementierten einen großen First-In First-Out (FIFO) Speicherblock (ca. 2 MB), der in der Lage ist, vor-synthetisierte Q-PRONTO-Pulse mit 430 MHz auszugeben zu speichern und auszugeben. Diese Modifikation ermöglichte die direkte Synthese beliebiger Wellenformen ohne die Einschränkungen des Standard-Kanal-Speichers.

Wesentliche Beiträge

Anwendung von Q-PRONTO auf Fluxonium: Die Arbeit demonstriert das Design von Einzelqubit-Gattern für ein Fluxonium-Qubit unter Verwendung des Q-PRONTO-Algorithmus, wobei der Steuerinput $u(t)$ basierend auf dem aus gemessenen Energiespektren abgeleiteten Schaltkreis-Hamilton-Operator optimiert wird.
Firmware-Modifikation für beliebige Pulse: Ein bedeutender technischer Beitrag ist die Modifikation der QICK-Firmware zur Erweiterung der Single-Qubit-Kanal-Speicherallokation. Dies ermöglicht die Anwendung langer Sequenzen direkt synthetisierter, beliebiger Pulse, eine Voraussetzung für das rigorose Randomized Benchmarking optimaler Steuerungs-Lösungen.
Experimentelles Benchmarking: Die Autoren charakterisieren die Leistung der durch Q-PRONTO optimierten Gatter mittels Clifford-basierter Randomized Benchmarking-Verfahren.

Ergebnisse
Die Autoren generierten und testeten erfolgreich optimierte Pulse mit einer Dauer von 178 ns. Die resultierenden Pulse ähneln monochromatischen Antrieben, deren primäre Frequenzkomponente mit dem $|0\rangle \to |1\rangle$ Übergang übereinstimmt, was konsistent mit optimalen Lösungen für längere Rabi-Antriebe ist.

Durch Randomized Benchmarking unter Einbeziehung von 200 verschiedenen zufälligen Sequenzen von Clifford-Gattern erreichten die Autoren:

Einen Sequenz-Zerfallsparameter $p = 0,99867 \pm 0,00002$ .
Einen durchschnittlichen Fehler pro Clifford-Gatter von $r_{Clifford} = 6,6 \times 10^{-4}$ .
Einen Gesamtefehler pro Gatter von $6,6 \times 10^{-4}$ .

Die Analyse zeigt, dass die Gatterleistung durch die Kohärenz des Qubits begrenzt wird. Die theoretische Kohärenzgrenze für ein 178 ns langes Gatter, berechnet unter Verwendung der gemessenen Relaxationszeit ( $T_1 \approx 263 \mu s$ ) und der reinen Dephasierungszeit ( $T_\phi^E \approx 155 \mu s$ ), liegt bei $6,1 \times 10^{-4}$ . Die enge Übereinstimmung zwischen dem gemessenen Fehler und der Kohärenzgrenze deutet darauf hin, dass die Steuerpulse nahe an den physikalischen Grenzen des Bauteils arbeiten.

Bedeutung und Ansprüche
Das Paper positioniert diese Arbeit als Proof-of-Concept für die Anwendung von Q-PRONTO auf supraleitende Schaltkreise. Die Autoren betonen, dass die quadratische Konvergenzrate von Q-PRONTO für kleine Hilbert-Räume (wenig-Level-Systeme) möglicherweise nur geringfügige rechnerische Vorteile bietet, die Validierung jedoch eine notwendige Voraussetzung für die Skalierung auf größere Systeme ist, wie etwa gekoppelte Qubits oder einzelne Qudits mit mehreren Energiezuständen, bei denen die Vorteile der Konvergenzgeschwindigkeit entscheidend werden.

Die Studie kommt zu dem Schluss, dass die aktuellen optimalen Steuerinputs traditionellen On-Resonanz-Pulsen ähneln, die Methodik jedoch zunehmend wichtig wird, wenn die Pulsdauern sich der Inversen der Qubit-Frequenz nähern, was Designs erfordert, die über die Näherung der rotierenden Wellen (Rotating-Wave Approximation) hinausgehen. Zukünftige Arbeiten werden auf Zwei-Qubit-Gattern, Robustheit gegenüber Unsicherheiten und Closed-Loop-Learning für die Steuerung supraleitender Schaltkreise liegen. Die Autoren stellen explizit klar, dass die aktuelle Version von Q-PRONTO keine spezifischen Anpassungen für die Robustheit gegen experimentelle Unsicherheiten enthält und die beobachteten Fehler auf die Kohärenz des Bauteils sowie auf SPAM-Fehler (State Preparation and Measurement) zurückzuführen sind, statt auf ein Versagen des Algorithmus.

Mehr davon