技術要約：中性原子量子コンピュータのための欠陥認識型並列原子再装填プロトコル

1. 問題提起

中性原子量子コンピュータは、スケーラビリティと多様な量子ビットトポロジーを提供する一方で、連続稼働における重大な課題に直面している。それは「原子の消失」である。長時間の計算（例：数日間にわたるユーティリティ規模のタスク）において、アイドルノイズによって原子が失われ、ストレージ原子配列に「欠陥」（空のサイト）が生じる。欠陥の密度が高くなりすぎると、量子誤り訂正が失敗し、データが破損する。

既存の再装填戦略には、主に以下の2つの制限がある：

1. 既定のパターン： Chiuら[3]の手法は、現在の欠陥の位置を無視した固定の再装填パターン（例：行や列の循環）を使用する。これは、占有されているサイトであっても原子を破棄して再装填するため、時間とリソースを浪費し、非効率的である。
2. 逐次型または行単位のアプローチ： 特定の欠陥位置に基づいて再装填を行う欠陥認識型の手法[13, 14]は、通常、原子単位または行単位で動作する。その実行時間は配列のサイズに対して線形にスケールするため、大規模なシステムにおいてリアルタイムのプランニングが必要な場合には適さない。

核心となる課題は、厳格なリアルタイム・プランニング予算（約40 ms）内で、残存する原子に格納された量子情報を保持しつつ、空のサイトを効率的に特定して補充できる、並列かつ欠陥認識型の再装填プロトコルを設計することである。

2. 手法

提案されるソリューションは、コヒーレント並列原子再装填操作と欠陥認識型プランナーという2つの主要コンポーネントを統合したものである。

2.1 コヒーレント並列原子再装填操作

欠陥認識型の選択を、データの損失リスクなしに実現するために、著者らはSWAP-LDU（リーク検出ユニット）の概念[15]を並列再装填へと拡張した、コヒーレントな操作を提案している。

• メカニズム： この操作は、ストレージ配列内の行の集合 $I$ と列の集合 $J$ を選択する。そして、クロスド・アコースティック・オプティック・デフレクター（AOD）によって生成される光ピンセットを用いて、ストレージ配列とエンタングルメント配列の間で原子を輸送する。
• 状態保存： 選択された $I \times J$ リージョン内のすべての原子を破棄する従来の手法とは異なり、本プロトコルは、並列的な論理状態転送ゲート（CZ-H-CZ）のシーケンスを使用して、ストレージ配列内の既存の原子の量子状態をエンタングルメント配列へと転送する。
• プロセス：
  1. 準備： $|+\rangle$ 状態の新鮮な原子をエンタングルメント配列にロードする。
  2. 転送： 選択されたストレージサイト（$I \times J$）内の原子をエンタングルメント配列に移動させる。
  3. 状態転送： 並列的なCZ-H-CZシーケンスを用いて、ストレージ原子の量子データを、エンタングルメント配列内の新鮮な原子へとコヒーレントに転送する。
  4. 再装填： （元のデータを持つ）新鮮な原子をストレージ配列に戻す。
  5. 破棄： エンタングルメント配列に残った原子を破棄する。
• 結果： 選択された $I \times J$ リージョン内の欠陥は、デフォルトの状態を持つ新しい原子によって埋められる一方で、既存の原子は、同じ 量子情報を持つ新しい原子によって物理的に置き換えられる。このコヒーレンスにより、データのマイグレーションを事前に計画することなく、純粋に現在の欠陥構成に基づいて $I$ および $J$ を選択することが可能になる。

2.2 欠陥認識型プランナー

プランナーは、ハードウェアの制約（$|I| \le H_p$, $|J| \le W_p$）に従いつつ、補充される欠陥の数を最大化するように、最適な行の集合 $I$ と列の集合 $J$ を決定する。

• 最適化問題： 目標は、再装填後の配列内の期待原子数を最大化することである。これは、高密度二部グラフ部分グラフ選択問題（最大エッジ・ビクリック問題に関連）として定式化されるが、これはNP困難である。
• ヒューリスティック・ソルバー： リアルタイムの制約を満たすため、著者らは2段階のヒューリスティックを提案している。
  1. 貪欲法による構築： アルゴリズムは、カバーされる欠陥の数に基づいて、行と列を $I$ と $J$ に反復的に追加する。その際、エンタングルメント配列の次元に合わせるために、選択される行と列の比率を調整する。これは、$O((H_s + W_s)^2)$ の時間計算量で動作する増分更新を用いる。
  2. ヒルクライミングによる洗練： ローカルサーチアルゴリズムが、行や列の入れ替え、追加、または削除を行うことで、貪欲解を反復的に改善し、局所最適解へと到達させる。
• 性能： プランナーは、リアルタイムの制約内で動作するように設計されており、混合整数計画法（MIP）のような厳密なソルバーよりも大幅に高速である。

3. 主な貢献

1. プロトコルの統合： コヒーレントな並列原子再装填操作と、リアルタイムの欠陥認識型プランナーを組み合わせた統一プロトコルの提案。
2. コヒーレント操作： 並列的な補充中に量子情報を保持する新しい原子再装填操作。これにより、リアルタイムの欠陥データに基づいた、再装填対象の適応的な選択が可能になる。
3. 効率的なソルバー： ヒルクライミングによる洗練を備えた貪欲アルゴリズムを利用し、厳格なリアルタイム制約内で準最適解を見つける欠陥認識型プランナー。
4. 実証的検証： 基準となる手法と比較して、原子の充填率が大幅に向上することを示す数値実験。

4. 結果

著者らは、低ノイズ（$p=0.004$）および高ノイズ（$p=0.020$）条件下で、ストレージ配列のサイズを $12 \times 30$ から $180 \times 450$ まで変化させて評価を行った。

• 充填率の向上：
  • 低ノイズ： $36 \times 90$ の配列において、平均充填率はベースラインの 98.61% から、提案手法では 99.94% に向上した。
  • 高ノイズ： 同様の配列において、充填率は 93.22% から 97.18% に向上した。
  • 提案手法は、$n=3$ におけるMIPソルバー（GLPK）による最適解に対し、低ノイズでは 0.0006 パーセントポイント、高ノイズでは 0.109 パーセントポイント 以内の差で達成した。すべての完了したMIP設定を通じた最大差は、低ノイズで 0.0163 パーセントポイント、高ノイズで 0.109 パーセントポイント であった。
• プランニングの効率性：
  • 提案されたプランナーは、各再装填プランニングステップを 0.1 ms 未満（$36 \times 90$ の場合、平均 0.014 ms）で完了しており、40 ms の予算を大幅に下回っている。
  • 対照的に、MIPソルバーは不安定な実行時間を示し、大規模な配列において制限時間内にプランニングを完了できなかった。具体的には、高ノイズ条件下において、SCIP ソルバーは $12 \times 30$ の配列に対して 40 ms の予算を超過したが、GLPK ソルバーはタスクを完了したものの、著しく高いレイテンシ（約 13 ms）を伴っていた。
• 収束性：
  • 貪欲解単体でも、ほとんどのケースでほぼ最適であった。ヒルクライミングによる洗練は、特に高ノイズかつ大規模な配列において、わずかではあるが一貫した利得をもたらした。収束までの平均反復回数は 10 回未満であった。

5. 意義と主張

本論文は、提案されたプロトコルが、連続稼働する中性原子量子コンピュータにおいて、高い量子ビット可用性を維持するための実行可能な道筋を提供すると主張している。欠陥認識と並列性を活用することで、本手法は固定パターンの再装填による非効率性と、逐次的な再装填のスケール限界を克服している。

著者らは、以下のように強調している：

• 適応的な再装填を可能にする： 操作のコヒーレンスにより、システムは、あらかじめ決定されたスケジュールに依存することなく、その瞬間の特定の欠陥構成に反応することができる。
• リアルタイム制約を満たす： ヒューリスティック・プランナーは、効率的にスケールする実行時間で準最適なパフォーマンスを実現しており、大規模な量子システムの制御ループへの統合に適している。
• トレードオフの検証： コヒーレント操作は追加のゲートノイズ（推定エラー率 〜1%）を導入するが、著者らは、欠陥密度の劇的な減少（およびそれに伴う欠陥によるエラーの減少）が、運用ノイズを上回る可能性が高いと主張している。ただし、この具体的な影響は、使用される特定の量子誤り訂正符号に依存する。

結論として、欠陥認識型の並列再装填は、中性原子システムのスケールアップに不可欠であり、提案された手法は、実用的な量子コンピューティングに求められるリアルタイム性能と高い充填率を、見事に両立させている。