Entanglement-assisted continuous-variable concatenated codes for encoding qubits or oscillators

本論文は、量子ビットから振動子へのエンコーディングおよび振動子から振動子へのエンコーディングの両方のスキームにおいて、誤り訂正率を向上させ、かつ直交成分の誤差分散を抑制するために、もつれ支援スタビライザー符号とGottesman-Kitaev-Preskill（GKP）符号を組み合わせた、もつれ支援連続変数連結符号を提案し、分析するものである。

要約

あなたは、非常に壊れやすいメッセージを、騒がしく嵐の吹き荒れる海を越えて送ろうとしているところだと想像してください。量子世界において、この「メッセージ」とは情報（量子ビットなど）であり、「嵐」とはデータをかき乱したり破壊したりするランダムなノイズです。

この論文は、これら2種類の異なる安全網を組み合わせることで、そのメッセージを保護するための、極めて効率的な新しい方法を提案しています。それは、もつれ（不気味な量子的つながり）と、連結符号（「箱の中の箱」戦略）を組み合わせるというものです。

以下に、日常的な比喩を用いた彼らのアイデアの解説をまとめます。

1. 2つの安全網

この論文を理解するには、まず彼らが混ぜ合わせようとしている2つのツールを知る必要があります。

• 「量子のロープ」（GKP符号）: メッセージが繊細な紐だと想像してください。GKP符号は、その紐を太い編み込まれたロープへと編み上げるようなものです。風（ノイズ）がロープをわずかに押しても、編み目が形を維持してくれます。これは、メッセージの位置や運動量における小さなランダムな揺れを修正することに優れています。
• 「量子の握手」（もつれ支援符号）: あなたとあなたの友人が、事前に共有された特別なつながりを持っていると想像してください。たとえ何マイル離れていても、もし二人が「魔法のコイン」の半分ずつを保持していれば、そのつながりを利用して、一人で作業するよりも速くエラーを修正できます。これは「もつれ支援（エンタングルメント・アシスト）」と呼ばれます。これはエラー訂正を加速させますが、事前にこれらの魔法のコインを共有しておく必要があります。

2. 「箱の中の箱」戦略

論文では、これらの安全網を積み重ねる2つの方法を探求しています。これは、壊れやすい花瓶を梱包することを考えてみてください。

アプローチA：「外側の箱」戦略（振動子の中の量子ビット）

• 仕組み: まず、メッセージを標準的な「量子のロープ」（GKP）で包みます。次に、その包まれたロープを「量子の握手」の箱（もつれ支援符号）の中に入れます。
• 比喩: 花瓶をプチプチ（GKP）で包み、次に、あなたと受信者が配送を調整するための事前共有ラジオリンク（もつれ）を備えたクレートの中に、その包まれた花瓶を入れます。
• 結果: 著者らはこれを特定のセットアップ（3量子ビット反復符号）でテストしました。受信者が「魔法のコイン」（もつれ）を準備できているため、この手法はエラーを修正するのに非常に優れていることが分かりました。実際、この方法は、この事前共有の助けを利用しない有名な5量子ビット符号よりも優れた性能を示しました。

アプローチ B：「内側の箱」戦略（量子ビットの中の振動子）

• 仕組み: これは逆のプロセスです。まず、「量子の握手」を使用してメッセージを保護します。次に、その保護されたパッケージ全体を「量子のロープ」（GKP）で包みます。
• 比喩: あなたと受信者が、まず魔法のラジオを通じてつながり（もつれ）、安全なチャネルを作成します。その後で、メッセージをプチプチ（GKP）で包み、そのチャネルを通じて送信します。
• 結果: これがこの論文の大きなブレイクスルーです。この順序を用いることで、彼らは2種類のノイズ（位置と運動量）の両方を同時に滑らかにする方法を発見しました。
  • 魔法の数学: もし2つの魔法のコイン（もつれたモード）を使用すれば、メッセージの「揺れ」を3分の1に減らすことができます。
  • 一般的なルール: もし $n-1$ 個の魔法のコインを使用すれば、揺れを $n$ 分の1に減らすことができます。
  • 例: もし9つの魔法のコインを使用すれば、ノイズを10分の1に小さくできます。

3. なぜこれが重要なのか（論文による主張）

論文によれば、これら2つの概念を混ぜ合わせることで、彼らは以下の特性を持つシステムを作り上げました：

1. リソースの節約: 「魔法のコイン」を効率的に使用しています。
2. 高いパフォーマンス: メッセージが失敗する確率（論理失敗確率）を大幅に低下させます。
3. 汎用性: 単純なビット（量子ビット）の送信と、連続的な波（振動子）の送信の両方に対して、この方法ができることを示しました。

彼らが主張していないこと

論文に実際に書かれていることに忠実に従う必要があります：

• 彼らは、これが今日、商業利用できる段階にあるとは主張していません。
• 彼らは、これが医療機器や臨床用途に使えるとは主張していません。
• 彼らは、これがすべての量子問題を解決するとは主張していません。
• 彼らは、計算において「理想的」な条件（完璧な魔法のコインであり、単純な揺れ以外の他の種類のノイズが存在しない状態）を想定していることを明記しています。彼らは、将来の研究で現実世界の不完全性をテストできる可能性があると示唆していますが、まだそれを行ってはいません。

まとめ

著者らは、量子情報の理論的な「スーパー・パッケージング」システムを構築しました。事前共有された量子的な接続（もつれ）を使用して、特定の種類の誤り訂正符号（GKP）を助けることで、ノイズに対するメッセージの安定性を高める方法を見出しました。彼らは、共有される「魔法のコイン」が増えるほど、量子メッセージがより滑らかに、より安全になることを証明しました。

技術概要

技術要約：量子ビットまたはオシレーターのエンコーディングのための、もつれ支援型連続変数連結符号

問題提起
量子誤り訂正（QEC）は、フォールトトレラント量子計算にとって不可欠である。スタビライザー符号は離散変数（DV）システムに対して効果的であるが、連続変数（CV）システム（ボゾンモード）には、位相空間における小さなシフト誤差を訂正するためのGKP（Gottesman-Kitaev-Preskill）符号のような特定の符号が必要となる。DVスタビライザー符号とCV GKP符号を連結するハイブリッドなアプローチは、誤り訂正性能を向上させるために探索されてきた。しかし、従来のこれらの連結手法は、事前に共有されたもつれを利用していない。もつれ支援型（EA）スタビライザー符号は、送信者と受信者がもつれビット（ebit）を共有しているという条件下で、自己双対スタビライザー群の要件を緩和することにより、伝送レートと誤り訂正能力を向上させることが知られている。本研究で取り組む中心的な問題は、いかにしてEA支援を連結されたCVスタビライザー符号に統合し、量子ビットおよびオシレーターの両方のエンコーディングにおいて、誤り抑制と論理失敗確率をさらに向上させるかである。

手法
著者らは、EAスタビライザー符号とGKP符号を組み合わせた、2つの異なる連結アーキテクチャを提案している。これらは、$A \triangleright B$ という表記を用いる（ここで $A$ は外側の符号、$B$ は内側の符号である）。

1. $C_{EA-stabilizer} \triangleright C_{GKP}$ （量子ビットからオシレーターへ）:

   • 構造: 外側のEAスタビライザー符号（DV）を、内側のGKP符号（CV）と連結する。
   • プロセス: 論理量子ビットは、まずEAスタビライザー符号（共有されたebitを利用）を用いて物理量子ビット状態へとエンコードされる。続いて、各物理量子ビットおよびebitの半分が、計算用GKP状態（オシレーター）へとエンコードされる。
   • 例: 著者らは、$[ [3, 1, 3; 2] ]$ EA反復符号をGKP符号と連結させた場合を分析している。外層は、2つの事前共有ebitを用いて、1つの論理量子ビットを3つの物理量子ビットへとエンコードする。内層は、これら3つの量子ビットと2つのebitの半分を、5つの調和オシレーターへとエンコードする。
   • 復号: 個々のモードに対してCV誤りが最初に訂正され、その後にEAスタビライザー・シンドロームを用いて離散的な誤りが訂正される。

2. $C_{GKP} \triangleright C_{EA-stabilizer}$ （オシレーターからオシレーターへ）:

   • 構造: 外側のGKP符号を、内側のEAスタビライザー符号と連結する。
   • プロセス: 単一モードのGKPエンコード状態がまず生成される。その後、この状態は、EAスタビライザー符号から導出されたガウス型エンコーダーを用いて、事前共有されたGKPベル状態（もつれモードまたはemode）を使用し、複数のオシレーターモードへとエンコードされる。
   • 例: 著者らは $C_{GKP} \triangleright C_{[[3, 1, 3; 2]]}$ 符号を提案している。単一の論理GKP状態は、2つの事前共有GKPベルペア（emode）を用いて、3つのオシレーターモードへとエンコードされる。エンコーディングには、SUMゲートで構成されるガウス型ユニタリエンコーダー（$U^G_{enc}$）が用いられる。
   • 復号: システムは、データモードと補助的なemodeのスタビライザーに対するシンドローム測定を採用する。データモードのシンドロームは、状態を乱すことなく直接測定できないため、著者らは、測定された補助モードのシンドロームと独立同一分布（iid）のガウスノイズの仮定に基づき、最も可能性の高い誤差値を推論するための最大尤度推定（MLE）を使用する。

主な貢献と結果

• EA連結符号の提案: 本論文は、2つの新しい連結符号のファミリー、$C_{EA-stabilizer} \triangleright C_{GKP}$ および $C_{GKP} \triangleright C_{EA-stabilizer}$ を導入し、定式化した。
• $C_{GKP} \triangleright C_{EA-stabilizer}$ におけるノイズ抑制:
  • $C_{GKP} \triangleright C_{[[3, 1, 3; 2]]}$ の特定の場合において、著者らは、2つの最大もつれモード（emode）を使用することで、データモードの位座標（$q$）および運動量（$p$）の両方の共役成分における誤差の分散を$1/3$の係数で抑制できることを示している。
  • 残留論理誤差は、元の分散 $\sigma^2$ に対し、$\sigma^2/3$ の分散を持つガウス分布に従う。
  • これは、追加の共役成分スクイージングに頼ることなく、もつれ支援によって達成される。
• $n$ 量子ビットEA反復符号への一般化:
  • 著者らは $C_{GKP} \triangleright C_{[[3, 1, 3; 2]]}$ のスキームを、$n$ が3以上の奇数である $C_{GKP} \triangleright C_{[[n, 1, n; n-1]]}$ という一連の符号へと一般化している。
  • 定理1: このファミリーは、$n-1$ 個のemodeを使用して、データモードの位座標および運動量の両方の共座成分誤差の分散を $1/n$ の係数で抑制する。
  • この結果は、先行文献（Ref. [28]）の非バイアスGKP反復符号と比較されており、提案されたEAスキームが、異なるリソース構造（反復の文脈において、$n$ 個の合計モードに対して $n-1$ 個のemodeを使用する）を用いつつ、同様の抑制係数（$n+1$ 個のモードに対して $1/(n+1)$）を達成することを指摘している。
• 性能比較:
  • $C_{[[3, 1, 3; 2]]} \triangleright C_{GKP}$ の論理失敗確率は計算されており、標準的な量子ビットからオシレーターへの符号である $C_{[[5, 1, 3]]} \triangleright C_{GKP}$ よりも優れた性能を示すことが示されている。この改善は、外側のEA符号が、受信者の手元にノイズのないebitの半分を持っていることに起因する。
  • 逆に、$C_{GKP} \triangleright C_{[[3, 1, 3; 2]]}$ （オシレーターからオシレーター）は、$C_{[[3, 1, 3; 2]]} \triangleright C_{GKP}$ よりも高い論理失敗確率を持つことが判明した。著者らはこれを、前者では測定されていない状態を推定する必要があるのに対し、後者では一連のEAスタビライザー測定が可能であるためであると説明している。

意義と主張
本論文は、$C_{stabilizer} \triangleright C_{GKP}$ および $C_{GKP} \triangleright C_{stabilizer}$ 符号の最近の比較研究を、それらのもつれ支援型へと拡張することを主張している。主な意義は、もつれ支援をCV連結符号に効果的に統合できることを実証した点にあり、これにより以下のことが可能となる：

1. 量子ビットからオシレーターへのスキームにおいて、誤り訂正レートを向上させ、論理失敗確率を減少させる。
2. $n-1$ 個のもつれモードを用いて、オシレーターのデータモードの共役成分の両方の分散を $1/n$ の係数で抑制するメカニズムを提供し、追加のスクイージングやより多くの補助モードを必要とするスキームに代わる、リソース効率の高い代替案を提供する。

著者らは、解析が理想的なGKP状態とガウス型シフト誤差を想定していることを述べ、限定的な範囲であることを維持している。彼らは、結果が有望である一方で、現実的な実装には有限エネルギー効果、非ガウス型ノイズチャネル（純粋損失など）、および現実的なハードウェア制約下でのフォールトトレラントな閾値への対処が必要であることを認めている。また、これらのフレームワークは量子リピーターや分散センシングに適用できる可能性があると考えているが、必要な状態を生成できる既存のプラットフォーム（トラップイオン、超伝導回路、フォトニクス）を参照することを除き、具体的な実験セットアップは提案していない。