⚛️ quantum physics

Data and code for collision-model Dicke-state preparation: depth-fidelity frontiers, circuit costs, and superconducting-processor measurements

Este artículo presenta un conjunto de datos abierto y el código acompañante que detalla la preparación de estados de Dicke mediante un protocolo basado en colisiones, ofreciendo referencias de fidelidad sin ruido a través de diversas profundidades de circuito y cantidades de cúbits, junto con estimaciones de recursos y mediciones experimentales en un procesador superconductor de 54 cúbits para analizar las compensaciones entre la fidelidad de la preparación del estado, el costo del circuito y el ruido del hardware.

Autores originales: Duc-Kha Vu, Minh Tam Nguyen, Şahin K. Özdemir, Özgür E. Müstecaplıoğlu, Fatih Ozaydin

Publicado 2026-09-01

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Duc-Kha Vu, Minh Tam Nguyen, Şahin K. Özdemir, Özgür E. Müstecaplıoğlu, Fatih Ozaydin

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

En el mundo de la computación cuántica, la información se almacena en unidades diminutas llamadas cúbits. A diferencia de los bits de una computadora estándar que son cero o uno, los cúbits pueden existir en una delicada combinación de ambos estados a la vez. Cuando muchos cúbits se vinculan entre sí, pueden formar un tipo especial de conexión conocida como entrelazamiento, donde el estado de un cúbit influye instantáneamente en los otros, sin importar qué tan lejos estén. Entre las muchas formas de organizar estos grupos entrelazados, una familia específica de estados llamados estados de Dicke ocupa un lugar único. Imagine una habitación llena de personas donde un número fijo de ellas sostiene una pelota roja, pero nadie sabe exactamente quién la tiene; las pelotas rojas se comparten equitativamente entre todos de una manera que es perfectamente equilibrada. Así es como se ve un estado de Dicke: un número preciso de unidades de energía, o excitaciones, se comparten coherentemente a través de un grupo de cúbits. Estos estados no son solo curiosidades teóricas; son herramientas poderosas para detectar campos magnéticos, construir redes cuánticas y detectar cambios sutiles en el entorno que otros estados podrían pasar por alto. Sin embargo, crear estos estados en una máquina real es notoriamente difícil. A medida que el número de cúbits crece, la tarea se vuelve más difícil, y el ruido inevitable en la máquina tiende a destruir el delicado equilibrio incluso antes de que el estado esté terminado.

Un equipo de investigadores ha publicado ahora una colección exhaustiva de datos y código de computadora que traza el camino para crear estos estados de manera más efectiva. Se centraron en un método que trata la creación del proceso como una serie de reuniones breves y repetidas entre los cúbits y una partícula ayudante. En este enfoque, un cúbit ayudante móvil se desplaza a través del sistema, intercambiando bits de información con los cúbits principales de una manera controlada. Al ajustar qué tan fuertes son estas interacciones y cuántas veces ocurren, los investigadores descubrieron que podían dirigir el sistema hacia el estado de Dicke deseado. El equipo no se detuvo en un solo intento exitoso; exploraron un vasto paisaje de posibilidades. Simularon el proceso para sistemas que van desde cinco hasta catorce cúbits, probando cientos de diferentes profundidades, o longitudes, de la secuencia de interacción. Para cada longitud posible del proceso, calcularon la mayor calidad del estado resultante que se podría lograr en un mundo perfecto y libre de ruido. Esto creó un mapa detallado, o frontera, que muestra exactamente cómo mejora la calidad del estado a medida que el proceso se alarga, y cuánto más largo se necesita para alcanzar un nivel específico de perfección.

Los investigadores luego tomaron este mapa teórico y lo probaron en una computadora cuántica real, un procesador superconductor de 54 cúbits ubicado en Finlandia. Seleccionaron un puñado de estados específicos de sus simulaciones y ejecutaron los circuitos correspondientes en la máquina física. Los resultados fueron reveladores. Para las versiones más cortas y simples del proceso, la máquina logró retener aproximadamente tres cuartas partes de la calidad ideal predicha por las simulaciones. Esto sugiere que, incluso con el ruido y los errores inherentes al hardware actual, estos circuitos cortos son lo suficientemente robustos como para producir resultados útiles. Sin embargo, a medida que los investigadores impulsaron el proceso para que fuera más largo y complejo en un intento de alcanzar una mayor perfección, los resultados cayeron dramente. Los circuitos más profundos y complejos funcionaron no mejor que un sistema completamente aleatorio y descompuesto. Este marcado contraste resalta un compromiso crítico: si bien añadir más pasos puede, teóricamente, mejorar el estado, la máquina física aún no es lo suficientemente perfecta como para manejar el tiempo y la complejidad adicionales sin perder la coherencia misma que intenta construir.

Para ayudar a otros científicos a navegar este compromiso, el equipo proporcionó un kit de herramientas completo. Publicaron los números brutos de sus simulaciones, el costo estimado de ejecutar estos circuitos en términos del número de operaciones básicas requeridas, y las mediciones reales de la máquina. Esto permite que cualquiera pueda buscar un objetivo específico, como "necesito un estado con cinco cúbits y dos excitaciones", y ver exactamente cuántos pasos se necesitan para acercarse a la mejor calidad posible, y cuál sería el costo en términos de tiempo y error. También incluyeron el código para reproducir su trabajo, asegurando que el camino que encontraron esté abierto para que otros puedan verificarlo y mejorarlo. Los datos muestran que, para muchos de los estados que estudiaron, una sola ronda de interacciones fue a menudo suficiente para alcanzar la calidad máxima alcanzable dentro de los límites de su búsqueda. En otros casos, profundizar ayudó, pero solo hasta cierto punto donde el ruido de la máquina comenzó a abrumar los beneficios del esfuerzo adicional.

Este trabajo no pretende haber resuelto el problema de la creación de estados cuánticos perfectos en el hardware actual. En cambio, ofrece una guía clara y honesta de los límites actuales. Muestra que, si bien podemos preparar estos estados complejos, la profundidad del proceso está restringida por la calidad de la propia máquina. Los investigadores demostraron que intentar forzar un proceso más profundo y complejo a menudo produce rendimientos decrecientes, ya que las imperfecciones de la máquina se acumulan más rápido de lo que el algoritmo puede corregirlas. Al proporcionar un registro completo de lo que funciona, lo que falla y dónde reside el equilibrio, este conjunto de datos sirve como un punto de referencia para mejoras futuras. Nos dice que el camino hacia adelante no es simplemente construir circuitos más largos, sino encontrar el punto óptimo donde el circuito sea lo suficientemente largo como para ser útil pero lo suficientemente corto como para sobrevivir al ruido del mundo real. La publicación de estos datos y código asegura que la comunidad pueda construir sobre estos hallazgos, probando nuevos métodos contra una base sólida de lo que ya ha sido medido y comprendido.

Resumen Técnico: Datos y Código para la Preparación de Estados de Dicke mediante el Modelo de Colisión

Planteamiento del Problema
Los estados de Dicke, definidos como estados entrelazados multipartitos con un número fijo de excitaciones cuánticas compartidas coherentemente entre $N$ qubits, son recursos críticos para la detección cuántica, las redes y los fenómenos colectivos. Sin embargo, preparar estos estados con alta fidelidad sigue siendo un desafío significativo, particularmente a medida que el tamaño del sistema ( $N$ ) y el número de excitaciones ( $K$ ) aumentan. Mientras que las propuestas teóricas previas suelen tratar el conteo de puertas como la métrica de costo principal y la fidelidad sin ruido como la figura de mérito, frecuentemente no logran considerar los compromisos impuestos por las restricciones del hardware. En los procesadores superconductores actuales, las tasas de error de dos qubits varían significamente según los acoplamientos, y los tiempos de coherencia finitos restringen la duración del circuito. En consecuencia, optimizar únicamente para la fidelidad sin ruido puede seleccionar circuitos innecesariamente profundos que sufren una decoherencia severa en la práctica. Existe una falta de conjuntos de datos exhaustivos que mapeen simultáneamente el compromiso entre la fidelidad de preparación, la profundidad del circuito y los costos específicos del hardware a través de un amplio rango de tamaños de sistema.

Metodología
Este trabajo presenta un conjunto de datos abierto y el código acompañante generado mediante un protocolo cuántico basado en colisiones. En este modelo, un sistema es impulsado por una secuencia de encuentros unitarios cortos (colisiones) con unidades ancillas. Específicamente, el protocolo emplea un ancilla de transporte móvil (mobile shuttle ancilla) que media colisiones de intercambio parcial de energía (partial-swap o pSWAP) que preservan la excitación entre registros que, de otro modo, estarían desacoplados.

La metodología involucra tres capas distintas de generación y validación de datos:

Frontera sin Ruido (L1): Para 31 estados de Dicke objetivo ( $D^K_N$ ) que abarcan desde $N=5$ hasta $14$ qubits y $K=2$ a $5$ excitaciones, los autores realizaron búsquedas numéricas extensas. Para cada estado, evaluaron hasta 256 candidatos de intensidad de colisión sobre un rango de profundidad de $m=0$ a $200$ sub-rondas (donde una ronda completa equivale a $K$ sub-rondas). La búsqueda optimizó las intensidades de colisión ( $\gamma_{in}, \gamma_{sh}$ ) y una capa de fase de un solo qubit subsiguiente para maximizar la fidelidad sin ruido.
Costo del Circuito (L2): El conjunto de datos asigna costos de circuito a los puntos de operación identificados en L1. Esto incluye conteos exactos de interacciones pSWAP, conteos de puertas de dos qubits de todos contra todos derivados (asumiendo una base CNOT/CZ donde un pSWAP no trivial requiere tres puertas entrelazantes) y estimaciones para los sobrecostos de enrutamiento en dispositivos con conectividad restringida.
Mediciones de Hardware (L3): Se ejecutaron selectos "brazos" de circuitos (conjuntos de parámetros específicos) en el procesador superconductor IQM Emerald de 54 qubits. El experimento recolectó 88,656 disparos (shots) a través de cuatro estados objetivo y diez configuraciones de circuito distintas. El estudio utilizó una disposición específica de qubits físicos para minimizar los errores de puerta e incluyó instantáneas de calibración para caracterizar el ruido del dispositivo.

La contribución principal de este trabajo es la liberación de un conjunto de datos exhaustivo y multicapa junto con su código asociado, organizado en tres capas vinculadas:

L1 (Frontera sin Ruido): Un registro completo de las mejores fidelidades sin ruido encontradas para 6,231 puntos de operación (31 estados $\times$ 201 presupuestos de profundidad). A diferencia de los trabajos complementarios que reportan solo los puntos convergidos, esta entrega proporciona el eje de profundidad completo y las 1.59 millones de evaluaciones de candidatos, permitiendo a los usuarios evaluar estrategias de optimización alternativas.
L2 (Costos de Circuito): Un mapeo de los puntos de operación a los costos de recursos, incluyendo conteos exactos de pSWAP y límites superiores conservadores para el conteo de puertas de dos qubits de todos contra todos. Identifica explícitamente 544 celdas donde los costos son límites superiores debido a la falta de datos de intensidad de colisión de una búsqueda más superficial.
L3 (Registro de Hardware): Conteos de medición crudos, planes de ejecución, instantáneas de calibración y fidelidades procesadas para 10 brazos de circuito. Esto incluye una "serie de profundidad" que mide la población del sector de excitación ( $P_K$ ) en cinco profundidades para caracterizar la decoherencia, y un "experimento de disposición" para evaluar la sensibilidad a la asignación de qubits físicos.

El código acompañante proporciona herramientas para reproducir los datos procesados, validar los invariantes del modelo de colisión (específicamente la invarianza de superposición de pre-fase) y reanalizar los datos crudos del hardware utilizando diferentes estimadores.

Resultos

Compromiso Fidelidad-Profundidad: La frontera sin ruido revela que para 14 de los 31 estados, una ronda completa ( $m=K$ ) es suficiente para alcanzar la mayor fidelidad dentro del rango explorado. Para los estados restantes, la fidelidad mejora con la profundidad, siendo la profundidad mediana requerida para alcanzar el 99% de la mejor fidelidad encontrada de 14 sub-rondas.
Desempeño del Hardware: En el procesador IQM Emerald, la fidelidad medida ( $F$ ) relativa a la fidelidad sin ruido ( $F_{ideal}$ ) varía significamente con la profundidad del circuito. Los circuitos poco profundos (una ronda completa) retuvieron aproximadamente el 71–76% de su fidelidad sin ruido para $D^2_5$ y el 20–51% para $D^3_8$ . En contraste, los circuitos de referencia más profundos retuvieron solo el 4–9% de su fidelidad sin ruido, acercándose al desempeño de un circuito totalmente decoherido.
Análisis de Costo: Los puntos de operación de búsqueda profunda alcanzaron fidelidades sin ruido más altas (mediana $F \approx 0.887$ ) pero con un costo de puerta significativamente mayor (mediana de 2,832 puertas de dos qubits) en comparación con los circuitos de una ronda (mediana de 165 puertas, $F \approx 0.850$ ).
Población de Excitación: La población medida del sector de excitación objetivo ( $P_K$ ) disminuyó con la profundidad del circuito, lo cual es consistente con los modelos de decoherencia. Los datos apoyan un ajuste de la duración efectiva de la puerta de dos qubits de 100 ns.

Significancia y Reivindicaciones
El artículo posiciona este lanzamiento como un banco de pruebas reutilizable para estudiar el compromiso entre la fidelidad de preparación de estados, el costo del circuito y el ruido del hardware. Los autores declaran explícitamente que el conjunto de datos no es una predicción del rendimiento del hardware, sino un registro de lo que es alcanzable bajo condiciones específicas.

Las afirmaciones clave respecto a la utilidad de la entrega incluyen:

Evaluación Comparativa (Benchmarking): Permite la comparación de optimizadores alternativos celda por celda a través de todo el eje de profundidad, en lugar de en puntos únicos convergidos.
Optimización con Restricciones de Recursos: Los usuarios pueden invertir las curvas de fidelidad versus costo para identificar el circuito más profundo que encaje dentro de un presupuesto específico de puertas de dos qubits.
Validación del Modelo de Ruido: La serie de profundidad y el experimento de disposición proporcionan datos empíricos para puntuar y refinar los modelos de ruido frente a la dependencia de la profundidad medida.
Reproducibilidad: La inclusión de conteos crudos, instantáneas de calibración y scripts de verificación permite el reprocesamiento de los datos con diferentes estimadores (por ejemplo, reconstrucción de máxima verosimilitud) y sirve como una prueba unitaria para implementaciones independientes del modelo de colisión.

Los autores mantienen una postura modesta, señalando que las fidelidades reportadas son valores "mejor encontrados" de búsquedas específicas en lugar de óptimos globales certificados, y que los resultados de hardware caracterizan una sesión específica en un dispositivo específico en lugar del rendimiento general del protocolo. La entrega tiene la intención de facilitar la evaluación rigurosa de la viabilidad práctica del protocolo de modelo de colisión en el hardware cuántico de la era actual (near-term).

Más como este