Non-Stationary Decoherence in Superconducting Qubits:Memory Multi-Fractional Brownian Motion and a Time-Dependent Quantum Brownian Motion Extension

Dans la quête de la construction d'un ordinateur quantique, les scientifiques tentent d'exploiter les règles étranges du monde subatomique pour résoudre des problèmes impossibles pour les machines d'aujourd'hui. Au cœur de ces machines se trouvent de minuscules circuits appelés qubits supraconducteurs, qui servent d'unités de base de l'information. Pour fonctionner, ces circuits doivent rester dans un état délicat de cohérence quantique, une condition où ils peuvent exister dans plusieurs états à la fois. Cependant, le monde réel est bruyant. Des fluctuations invisibles des champs électriques et des environnements magnétiques bombardent constamment ces circuits, les faisant perdre leur information quantique et s'effondrer en états ordinaires. Ce processus, connu sous le nom de décohérence, est le principal obstacle qui sépare la technologie actuelle des ordinateurs quantiques puissants. Pendant des décennies, les chercheurs ont tenté de modéliser ce bruit à l'aide d'outils statistiques standards qui supposent que le bruit est aléatoire et immuable, comme des parasites sur une radio. Mais des mesures récentes suggèrent que le bruit dans ces circuits est bien plus complexe, se comportant avec une mémoire longue et changeant de caractère au fil du temps d'une manière que les anciens modèles ne peuvent expliquer.

Une nouvelle étude de Mahboob Ul Haq offre une nouvelle façon de comprendre et de prédire ce bruit tenace. Le chercheur propose un modèle unifié qui traite l'environnement autour d'un qubit supraconducteur non pas comme un arrière-plan simple et statique, mais comme un système dynamique doté d'une mémoire qui évolue. Dans ce cadre, le bruit est décrit à l'aide d'un concept mathématique appelé mouvement brownien multi-fractionnaire à mémoire. Imaginez un chemin qui n'est pas seulement aléatoire, mais un chemin dont la rugosité change lentement au fur et à mesure que vous avancez. Dans le contexte du qubit, cela signifie que la « rugosité » ou l'intensité des fluctuations du bruit change au fil du temps, créant un motif que les modèles standards ne perçoivent pas. L'étude combine cette description classique avec une extension de la mécanique quantique, reliant l'environnement bruyant à un bain microscopique de particules qui interagissent avec le qubit. Cette connexion permet au modèle d'expliquer comment le bruit se comporte à différentes températures et comment il passe d'un comportement quantique à un comportement classique.

Le chercheur a utilisé ce nouveau cadre pour effectuer des simulations informatiques détaillées de la manière dont un qubit de charge supraconducteur perd son énergie et sa cohérence. Ils ont découvert que le bruit ne s'estompe pas simplement selon une courbe lisse et prévisible comme le prédisaient les théories plus anciennes. Au lieu de cela, la cohérence du qubit décroît selon un motif étiré, ralentissant et accélérant d'une manière qui reflète la mémoire changeante de l'environnement. Les simulations ont révélé des chiffres spécifiques sur la durée pendant laquelle ces qubits pourraient conserver leur information dans ces conditions. Le modèle a prédit un temps de relaxation, soit la durée pendant laquelle le qubit reste dans son état d'énergie, d'environ 5,00 millions de nanosecondes. Le temps nécessaire pour que le qubit perde son information de phase, appelé temps de déphasage, a été calculé à environ 418 000 nanosecondes. Ces résultats suggèrent que lorsque le bruit est dominé par les fluctuations de charge, le qubit peut maintenir son état pendant des périodes étonnamment longues, à condition que la nature unique et variable dans le temps du bruit soit prise en compte.

L'une des découvertes les plus significatives est que l'exposant du bruit, un nombre qui décrit comment la puissance du bruit change avec la fréquence, n'est pas une constante fixe. Dans les modèles précédents, cette valeur était supposée identique à tout moment. Cependant, cette étude montre que l'exposant dérive lentement, correspondant beaucoup plus précisément aux observations expérimentales de dispositifs réels que toute valeur constante ne pourrait le faire. Le chercheur a démontré qu'en permettant à cet exposant de changer, son modèle pouvait capturer les corrélations à longue portée du bruit qui persistent sur de nombreux cycles de portes. Cela signifie que l'environnement se souvient des fluctuations passées et influence les futures, une caractéristique que les modèles standards ignorent. L'étude a également montré que la relaxation de l'énergie et l'amplitude du bruit agissent indépendamment sur la décroissance de l'énergie du qubit, une distinction qui aide à concevoir de meilleures stratégies de correction d'erreurs.

L'article explore plus avant l'effet de ce bruit sur la performance des portes quantiques, les opérations qui traitent l'information. En analysant la compétition entre la perte d'énergie et le déphasage, l'étude a identifié une fenêtre de temps optimale potentielle pour effectuer ces opérations. Si une porte est trop rapide, le bruit la perturbe ; si elle est trop lente, le qubit perd son état à cause de la relaxation. Le modèle suggère une durée spécifique où l'erreur totale est minimisée, offrant un guide aux ingénieurs construisant ces circuits. Cependant, l'auteur note que cette optimisation repose sur un modèle d'erreur qui suppose un déphasage gaussien et n'inclut pas encore de validation dynamique complète des effets d'ordre supérieur. Le chercheur a également testé sa théorie contre différents types de noyaux de mémoire, qui sont des fonctions mathématiques décrivant comment l'environnement se souvient du passé. Il a trouvé qu'un noyau adaptatif, qui change de forme pour correspondre au bruit évolutif, reproduisait les fluctuations réalistes bien mieux que les modèles fixes et immuables.

Pour garantir la robustesse de ses conclusions, le chercheur a comparé ses résultats avec les limites établies. Il a montré que lorsque la température est suffisamment élevée, son modèle quantique complexe se simplifie naturellement en la description classique qu'il a utilisée au départ, prouvant que les deux approches sont cohérentes. Il a également vérifié que son modèle reproduit correctement le comportement du bruit standard lorsque l'environnement est simple et immuable. Cependant, l'étude souligne également les limites des méthodes actuelles. Le cherchereur a noté que la simulation de ces systèmes à des températures extrêmement basses présente des défis numériques, particulièrement en ce qui concerne la gestion du comportement singulier du bruit à des fréquences très basses. Il a également constaté que l'utilisation de l'apprentissage automatique pour extraire les paramètres du bruit à partir des données était difficile avec les réseaux de neurones standards, car le modèle ne parvenait pas à généraliser de manière fiable, suggérant que des algorithmes plus avancés et sensibles aux séquences seront nécessaires pour décoder pleinement ces motifs complexes à l'avenir.

En fin de compte, ce travail fournit une carte plus flexible et réaliste du paysage bruyant que les qubits supraconducteurs doivent naviguer. En reconnaissant que le bruit possède une mémoire qui change avec le temps, l'étude dépasse les limites des anciens modèles statiques. Elle offre un moyen de prédire la cohérence et les erreurs de porte avec une plus grande précision, ce qui est essentiel pour concevoir la prochaine génération de matériel quantique. Bien que le modèle repose sur des simulations et des dérivations théoriques plutôt que sur de nouvelles expériences physiques, il offre une voie claire pour des tests futurs. Le chercheur suggère que la mesure des motifs de décroissance spécifiques et des dépendances de température identifiés dans des dispositifs réels serait la prochaine étape pour confirmer que cette vision du monde quantique, dépendante du temps et riche en mémoire, est la bonne.