Closed-loop control for two-qubit gates with trapped ions

Resumen Técnico: Control de Bucle Cerrado para Puertas de Dos Qubits con Iones Atrapados

Planteamiento del Problema
Las implementaciones actuales del estado del arte (SotA) de puertas de dos qubits (2QG) en sistemas de iones atrapados dependen de controles de bucle abierto. Estos métodos precomputan secuencias de control basadas en modelos simplificados de sistemas cerrados que asumen condiciones ideales. En consecuencia, carecen de la fiabilidad necesaria para alcanzar los umbrales de tolerancia a fallos cuando se enfrentan a perturbaciones del mundo real, tales como el calentamiento motriz, la deriva de frecuencia y la decoherencia. Una vez que los parámetros del sistema derivan más allá de los objetivos de robustez, los esquemas de bucle abierto requieren una reoptimización computacionalmente costosa. Además, estos enfoques son intrínsecamente ciegos a las fuentes de ruido que interactúan con el sistema durante la ejecución de la puerta.

Metodología
Los autores proponen un esquema de Monitoreo de Posición de Bucle Cerrado (CLPM) que integra retroalimentación en tiempo real con aprendizaje por refuerzo (RL) para corregir perturbaciones "sobre la marcha".

1. Arquitectura Física: El esquema introduce un ion espectador en la cadena de iones utilizada para el procesamiento de lógica cuántica. Este ion se acopla a los iones computacionales mediante modos de movimiento colectivos.
2. Monitoreo Continuo: La posición del ion espectador se monitorea continuamente mediante el accionamiento de transiciones dipolares y la detección de la fluorescencia resultante. Un espejo posterior crea una onda estacionaria, lo que permite resolver la posición del ion mediante interferencia con su imagen especular. La señal es procesada por un sistema de conteo de fotones únicos correlacionados en el tiempo (TCSPC) y una FPGA.
3. Marco Matemático: La dinámica del sistema se modela utilizando una ecuación maestra cuántica estocástica (QME) derivada de la Teoría de Trayectorias Cuánticas (QTT). El modelo incorpora:
   • Puertas de acoplamiento motriz multimodo moduladas en amplitud (AM-MMC).
   • Deriva y calentamiento motriz.
   • Retroceso de dispersión de fotones y decaimiento espontáneo.
   • Desplazamientos de luz (Autler-Townes y Bloch-Siegert).
   • Los efectos específicos del monitoreo del ion espectador (acoplamiento espín-espín, entrelazamiento mediado por movimiento y acoplamiento de modo espejo).
4. Estrategia de Control: Un agente de Aprendizaje por Refuerzo (RL), específicamente utilizando la Optimización de Política Próxima (PPO), actúa como el controlador.
   • Entrada: El agente recibe estimaciones en tiempo real de la posición ($x_k$) y el momento ($p_k$) de los modos motrices, derivadas de la fluorescencia del ion espectador.
   • Acción: El agente ajusta las amplitudes de los láseres Raman bicromáticos que accionan los iones de la puerta.
   • Función de Recompensa/Costo: El agente es entrenado para minimizar la infidelidad de la puerta ($I$). Se exploran dos enfoques de entrenamiento: uno basado en recompensas episódicas (infidelidad al final de la puerta) y otro basado en una función de costo que rastrea la acumulación de la fase geométrica hacia el $\pi/4$ objetivo.

Contribuciones Clave

• Viabilidad del Monitoreo del Espectador: El artículo demuestra que incorporar un ion espectador es técnicamente viable para trampas de Paul lineales. Los autores muestran que los efectos deletéreos del monitoreo de posición (acoplamiento espín-espín, errores mediados por movimiento y acoplamiento de modo espejo) son insignificantes en comparación con los efectos térmicos, incluso en ausencia del ion espectador.
• Reducción de Errores: Se espera que la inclusión del ion espectador reduzca la infidelidad de la preparación del estado de Bell en un orden de magnitud. Los errores introducidos por el proceso de monitoreo en sí mismos se calculan como menores al 10% del presupuesto total de error.
• Aprendizaje en Tiempo Real: El trabajo sintetiza la medición cuántica en tiempo real con el RL para diseñar políticas de control robustas. A diferencia de los algoritmos de optimización global que deben ejecutarse nuevamente cuando los parámetros derivan, el agente de RL aprende a compensar la deriva motriz, el calentamiento y los desplazajes de luz de forma dinámica.
• Hoja de Ruta de Validación: Los autores proporcionan una hoja de ruta de tres etapas para la validación experimental: (1) verificar el enfriamiento simpático y la intensidad de la señal, (2) reproducir los errores perturbativos predichos mediante la manipulación de la desintonización del láser, y (3) validar el agente entrenado contra errores diseñados.

Resultos

• Latencia y Tasa de Señal: La latencia de la señal (tiempo de viaje del fotón más procesamiento) es significativamente menor que la duración típica de la puerta (~100 $\mu$s), preservando la naturaleza Markoviana del bucle de control. La tasa de detección de fotones se ha llevado a $1 \times 10^5 \text{ s}^{-1}$, proporcionando información suficiente para la reconstrucción de la trayectoria.
• Comparación de Rendimiento:
  • Enfoque de Recompensa Episódica: El agente de RL logró una mejora del 33% en la infidelidad respecto a los métodos SotA, con una infidelidad mínima de $46 \times 10^{-4}$.
  • Enfoque de Fase Geométrica: Este método arrojó los mejores resultados, logrando una mejora del 70% sobre las soluciones SotA, con una infidelidad mínima de $14 \times 10^{-4}$ y un promedio de $85 \times 10^{-4}$.
• Características del Pulso: Las secuencias de pulsos generadas por el RL difieren de las formas estándar de SotA. Utilizaron amplitudes menores (un tercio menores que la máxima permitida) y exhibieron formas "tipo Bell", que satisfacen mejor la condición de cierre del espacio de fase y reducen las perturbaciones dependientes de la potencia.
• Cierre de Trayectoria: Los agentes de RL navegaron con éxito el espacio de soluciones no convexas, asegurando que las trayectorias motrices cerraran efectivamente (los puntos de inicio y fin se superponían), una condición crítica para puertas de alta fidelidad.

Significancia y Reivindicaciones
Los autores afirman que su esquema CLPM ofrece una vía para lograr una fidelidad de puerta de dos qubits significativamente mayor con una reducción en la sobrecarga de calibración. Al pasar de modelos estáticos de bucle abierto a un sistema dinámico de bucle cerrado impulsado por datos, el enfoque mitiga los principales obstáculos de la deriva motriz y la decoherencia en la computación cuántica escalable con iones atrapados. El trabajo sostiene que el método de control implica "aprender" y corregir perturbaciones en tiempo real, haciendo que el sistema sea robusto contra variaciones de parámetros sin la necesidad de una reoptimización computacionalmente costosa. El trabajo se presenta como teóricamente sólido y experimentalmente plausible, aprovechando los avances recientes en el monitoreo de la posición de iones para lograr puertas de alta fidelidad.