Blind calibration of a quantum computer

技術要約：量子コンピュータのブラインド・キャリブレーション（盲目的な校正）

問題提起
量子測定装置のキャリブレーションは、本質的に「キャリブレーション問題」によって制限されている。すなわち、測定誤差を正確に特性評価するには高品質な入力データが必要であるが、そのためには正確な状態準備が必要となる。従来、この問題を解決するには、信頼できるプローブとして高品質なコンポーネント（状態準備または測定のいずれか）が必要であった。これは、一方のシステムの精度を向上させるためには、他方の正確な知識が必要であるという依存関係を生み出し、多くの場合、異なるエラー源（状態準備および測定（SPAM）誤差、クロストーク、オーバーローテーションなど）に対して、個別の専用キャリブレーション実験を何度も行う必要があった。著者らは、完璧に準備された状態に依存することなく、測定誤差を特性評価できる、データ効率が高く、後処理の負担が少ない手法の必要性を指摘している。

手法：ブラインド・キャリブレーション
本論文は、状態準備の正確な忠実度に関する事前知識なしに、ノイズを含む量子状態（$\rho$）から収集されたトモグラフィ・データを用いて、測定キャリブレーション・パラメータ（$\zeta$）を推定する「ブラインド・キャリブレーション」と呼ばれるプロトコルを提案している。

1. 理論的枠組み： 本手法は、測定データ $y$ を、真の状態 $\rho$ とキャリブレーション・パラメータ $\zeta$ の関数としてモデル化する：$y(\zeta, \rho) = \text{tr}[M(\zeta)\rho]$。測定演算子 $M(\zeta)$ は、理想的な演算子 $N_j$ にキャリブレーション係数 $\xi_j(\zeta)$ を重みとして掛け合わせた線形結合として分解される。
2. 最適化： プロトコルは交互最小化アルゴリズムを採用している。実験データに最も適合するように、量子状態 $\rho$ の推定値（ランク1の純粋状態に制約）とキャリブレーション係数 $\xi$ を反復的に最適化する。係数が決定された後、キャリブレーション・パラメータ $\zeta$ は線形系を通じて解かれる。
3. エラーモデル： 本手法は、単一の実験で複数のエラーメカニズムを同時に校正するように設計されている。トラップイオン系における具体的なエラーは以下の通りである：
   • オーバーローテーション： 単一量子ビットの基底回転における微小な角度偏差。
   • ビーム・クロストーク： レーザービームの漏れによる、隣接するイオンへの意図しない回転。
   • 読み出しエラー： 非共鳴減衰による「ダーク」エラー（誤った $|0\rangle$ 検出）および「ブライト」エラー（誤った $|1\rangle$ 検出）。
   • ディテクター・スプラーオーバー： 隣接する検出器チャネル間の信号漏洩。
4. 状態の選択： 手法自体は「ブラインド（盲目的）」であるが、感度は変動すると著者らは述べている。ランダムな積状態でも正確なリカバリが可能であることを示しているが、ネイティブなシステムのキャリブレーションにおいては、パラメータのリカバリ精度を最大化するために特定のプローブ状態を最適化している。

主な貢献と結果

• 実験的実証： $^{171}\text{Yb}^+$ トラップイオン量子コンピュータを用い、著者らは3量子ビット系におけるブラインド・キャリブレーションを実証した。彼らは、ネイティブなシステムエラー（$\lesssim 1\%$ のオーダー）および意図的に注入されたエラー（最大5%）を特定し、定量化することに成功した。
• 同時マルチエラー・キャリブレーション： プロトコルは、単一の射影パウリ測定データセットから、4つの異なるエラータイプ（オーバーローテーション、クロストーク、読み出し、スプラーオーバー）を同時に校正し、各エラー源に対して個別の実験を行う必要性を排除した。
• 精度と堅牢性：
  • 注入されたエラーのリカバリ： 意図的な誤校正を導入した場合、ブラインド・キャリブレーションは直接的なカスタム設計手法と同等の性能で、高い精度でパラメータをリカバリした。
  • 状態トモグラフィの改善： 回復されたパラメータを用いてトモグラフィ・データを補正した結果、得られた状態推定値のターゲット状態に対するトレース距離は、直接的なキャリブレーションによって得られるものと同等であり、標準的な（未校正の）トモグラフィよりも大幅に良好であった。
  • 状態準備ノイズに対する非感受性： 数値的なベンチマークにより、キャリブレーション・パラメータのリカバリは、状態準備におけるデポラリゼーション・ノイズに対して極めて弱い感受性しか持たないことが示された。対照的に、直接的なキャリブレーション手法（特にSPAM補正用）は、デポラリゼーション強度の線形依存性を示しており、ブラインド・キャリブレーションはノイズ条件下で約1桁高い堅牢性を持つ。
• リソース効率： 3量子ビット系において、ブラインド・キャリブレーションは合計 $2.7 \times 10^5$ 回の測定ショットを必要とした。直接キャリブレーション（SPAM補正とビーム・クロストーク校正の組み合わせ）は $6.3 \times 10^5$ ショットを必要とした。著者らは、イオン鎖を重複する3量子ビットのサブグループに分割することで、大規模なシステムへのスケーリング戦略を提案しており、これによりスケーリングを指数関数的から線形へと低減させている。

意義と主張
本論文は、単一の「ブラインド」実験を用いて、測定キャリブレーション問題を理論上だけでなく、実用的に解決できると主張している。主な意義は以下の通りである：

1. キャリブレーションと状態準備の分離： 完璧に準備されたプローブ状態を必要とせずに、測定誤差を正確に特性評価できる。
2. キャリブレーションの統合： 複数の専用キャリブレーション実験を、複数のエラーメカニズムを同時に扱う単一の統一プロトコルに置き換える。
3. 事後解析の実現： 本手法は「測定して、後で考える（measure-first-think-later）」アプローチをサポートする。実験者はトモグラフィ・データを収集し、後処理においてどのエラーモデルがデータに最も適合するかを決定できる。これにより、事前の仮定なしに、支配的なエラー源を柔軟に特定することが可能になる。

著者らは、将来的な影響については控えめなトーンを維持しており、手法自体は一般的であるが、同時にリカバリ可能なエラーの数や種類に関する限界を確立すること、および特定の誤差モデルに対する最適なプローブ状態を特定するための詳細な理論を構築することには、今後の課題があると考えている。彼らは、現在のアプローチが、従来の直接的手法に匹敵する性能をもって、トラップイオン・プラットフォーム上での本手法の有効性を確立したものであることを強調している。