技術要約：物理学に基づいた環境における、自己特化型ビジョン・ランゲージ・トランスモン・チップ校正

問題定義

超伝導トランスモン・チップの校正は、ノイズ、パラメータのドリフト、および有限の測定予算を特徴とする逐次的な意思決定問題である。このプロセスでは、専門家が実験を選択し、曖昧な測定プロット（例：分光ピーク、ラビ振動、シェブロン・ヒートマップ）を解釈し、フィットの質を判断し、デバイスのドリフトに応じて信念を修正する必要がある。個々の校正ステップのための自動化ツールは存在するが、特定のドリフトする物理デバイスに特化して、オープンエンドで適応的なエージェント・ループへとオーケストレーションすることは、依然として未解決の課題である。既存のアプローチは、固定された手動作成のスキル・ライブラリや、実機の失敗モード（例：フラックス線の歪み、スキャン中のドリフト、ゲート・リーク）を捉えきれないトイ・シミュレータに依存することが多い。

手法

著者らは、これらの課題に対処するために、設計が統合された3つのアーティファクトからなるシステムを提案する：物理学に基づいたシミュレーション環境、ビジョン・ランゲージ・エージェント、および勾配フリーのオンライン特化ループである。

1. 物理学に基づいた校正環境

この環境は、エージェントと同等の研究成果物として設計されており、学習された戦略が実機に転送されることを保証する。

• 回路量子化による真値（Truth）： デバイスの観測量（$f_{01}, \alpha, \chi, g, \zeta$）は、scquids を用いて回路レベルのパラメータ（$E_C, E_J, d, n_g$）から導出されており、独立した一様サンプリングではなく、物理的な整合性を確保している。
• 現実的な歪みとドリフト：
  • フラックス歪み： フラックス・パルスは、バイアス・ティーの高域通過ドループやAWGのLCリンギングを含む、モデル化された伝達関数（LTI畳み込み）を通過する。エージェントはクライオスコープのデータをフィッティングし、残留RMSを最小化するためにFIRプリディストーションを適用しなければならない。
  • 壁時間スケールのドリフト： ドリフトはコール回数ではなく、モデル化された壁時間（wall-clock time）に従ってスケールする。6つの独立したドリフト・チャネル（ドライブ振幅、リードアウト・ディスクリミネータ、TLSスペクトル拡散、低速フラックス、カプラー・バイアス、共有LO）が存在する。
  • スキャン中ドリフト： 2Dスキャン（例：シェブロン）中にパラメータがシフトし、フリンジが傾斜したり、フィットの質（$r^2$）が低下したりする。
  • ゲート・リーク： CZゲートには、非計算状態へのコヒーレントおよび非断熱的リークが含まれ、「ハード・ティア」のデバイスにおける達成可能なフィデリティを制限する。
• スコアリング： 品質は、隠れた真値と比較するのではなく、エージェントが校正したパラメータを用いて、ランダム化ベンチマーキング（RB）、ベル・トモグラフィー、およびCZ/iSWAP特性評価を通じて測定される。

2. ビジョン・ランゲージ校正エージェント

エージェントは、隠れた真値へのアクセスなしに動作する、マルチモーダルでツールを使用するモデルである。

• マルチモーダルな証拠： エージェントは、数値の要約とレンダリングされたPNGプロットの両方を含むツールの応答を受け取る。エージェントは、これらのプロットを解釈して、実在する遷移とTLSアーティファクトを区別し、振動ウィンドウを確認し、スキャン中のドリフトを検出しなければならない。
• 構造化ノートブック： エージェントは、パラメータ値、証拠ソース、フィットの質（$r^2$）、および依存関係のエッジとドリフトの経過時間に基づく「古い（stale）」フラグを記録する状態グラフを保持する。
• ガードレール： システムは、フィットの質に関するゲート（例：$r^2 \ge 0.9$ を信頼する）と、物理的範囲外の派生値に対するフォールバック・メカニズムを強制する。
• オーケストレーション： エージェントは、各量子ビットおよびエッジに対して孤立したサブタスクを実行し、結果をデータベースに蓄積することで、チップ全体の校正を行う。

3. 勾配フリーのオンライン特化

重みの更新（実機では非現実的かつ監査不能）なしに、エージェントを特定のデバイスに特化させるため、システムは反射的なループを使用する。

• デバイス・ノート： 小規模な人間が読める自然言語のノートが、エージェントのプロンプトに付加される。このノートは、デバイス固有の戦略（例：「フラックス線は高速なので、より密なグリッドを使用せよ」）や観察された異常をエンコードする。
• リフレクター（反射器）： より強力なモデルが、最近の試行からの「真値なし（truth-free）」の異常シグネチャ（フィットの質のパターン、フィデリティの低下、古いパラメータ）を分析し、ノートへの編集を提案する。
• ペア・スナップショット受容ゲート： 戦略の改善をデバイスのドリフトから分離するため、システムはデバイスを特定の状態で固定する。インカンベント（現行）のノートとチャレンジャー（挑戦者）のノートを、同一のスナップショット上で実行する。チャレンジャーは、真値なしの目的関数（測定されたゲート・フィデリティ、提出の妥当性、予算）を改善した場合にのみ受け入れられる。
• デプロイメント転送： ループ、リフレクター、およびノート形式はバックエンドに依存しない。実機では、「同じスナップショット」ゲートは「保持されたスライス」または「繰り返しと平均化」の形式に劣化する。

主な貢献

1. 物理学に基づいた環境： 回路量子化による真値、FIRプリディストーションを備えた現実的なフラックス線歪み、6つの壁時間スケールのドリフト・チャネル、スキャン中ドリフト、およびCZリークを特徴とするシミュレーション・スタック。各機能は、エージェントの挙動を特定の物理的効果に帰属させるために、独立してアブレーション可能である。
2. ビジョン・ランゲージ・エージェント： プロットを主要な証拠として読み取り、構造化されたノートブックを保持し、パラメータの回収度と測定されたゲート・フィデリティに基づいて自己採点することで、チップ全体の校正を行うエージェント。
3. 勾配フリーのオンライン特化： 反射的なループとペア・スナップショット受容ゲートを介して、解釈可能なデバイス・ノートを成長させることで、モデルの重みを変更せずに、単一のドリフトするチップにエージェントを適応させる手法。
4. 実証的検証：
   • 特化： 予算制約下にあるハード・ティアのチップにおいて、6回のオンライン適応により、最悪ケースの測定されたCZフィデリティが0.678から0.787に上昇し、分散が減少した。単一の受理されたノートにより、ペア・スナップショット上でのCZフィデリティが0.678から0.913に上昇した。
   • 因果的診断： 植えられた故障に関する研究により、ノートが因果的であることを確認した。「デッド・カプラー」を植えた際、リフレクターは、健康なコントロールには見られないシグネチャである、真値なしの欠落した相互作用を診断するノートを生成した。
   • アブレーション研究：
     • ビジョン： テキストの要約が取り除かれ、プロットのみとなった場合、パラメータのカバー率はフル・エージェントと比較して大幅に低下したが、プロットのみの腕でも「盲目の」エージェントより+0.16のカバー率で上回り、壊滅的なゼロ・カバー率の失敗を排除した。
     • 環境の忠実度： 物理レイヤーのないトイ・シミュレータは、物理学に基づいた環境と同じパラメータ・カバー率と単一量子ビットRBフィデリティを生成したが、2量子ビットゲート・フィデリティ（Bell: 0.911 vs 0.985）およびフラックス歪みの残留成分におけるギャップを露呈させることはできなかった。

意義と主張

本論文は、ビジョン・ランゲージ・エージェントが、重みの更新なしに、特定の超伝導トランスモン・チップの校正ループを閉じ、特定のデバイスに特化できると主張している。その意義は以下の通りである：

• 解釈可能性： 「ポリシー・デルタ」は人間が読めるテキストブロック（デバイス・ノート）であり、これにより適応の監査が可能になる。
• 失敗への保険： 特化したノートの主な価値は、特にエージェントが厳しい予算制約下で動作する場合に、「失敗の床」（最悪のフィデリティ）を引き上げ、分散を削減することにある。
• 真値なしの適応： システムは、実機では利用不可能な隠れた真値を使用することなく、デバイス上の測定可能な量のみを使用して適応する。
• 成果物としてのリアリズム： 著者らは、シミュレーション環境自体が核心的な貢献であると主張している。なぜなら、トイ・ノイズに対して学習された戦略は、実際のハードウェアの失敗モードには転送されないからである。

著者らは結果に対して謙虚であり、システムは特定の故障を真値なしで診断できるものの、故障が物理的に修復不可能（例：デッド・カプラー）な場合は、必ずしもそれらを「修理」するわけではないと述べている。適応は、普遍的な欠陥特定型の修理ツールではなく、「診断および失敗への保険」として特徴付けられている。本研究は、エージェントを、すべての行動が物理的な解釈を持つマルチモーダルな制御ドメインにおいて、「推論＋行動」のラインの近くに位置づけている。