Error-Corrected Memory and Logic on a Heavy-Hex Superconducting-Qubit Processor
本論文は、動的なコード再設計、コンポーネント除外、および高度なデコーディング技術を含むノイズ情報を活用した戦略を採用することにより、異種混在型の156量子ビット超伝導プロセッサ上で、論理エラー率を大幅に低減しベル忠実度を97%以上に向上させ、高性能なフォールトトレラント量子メモリおよびロジックが実現可能であることを実証するものである。
原論文は CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。 免責事項の全文を読む
有用な量子コンピュータの構築に向けた探求は、しばしば「ノイズとの戦い」と表現されます。量子力学の世界では、情報は非常に壊れやすい状態に保持されており、環境からのわずかな乱れによって容易にかき乱されてしまいます。この情報を保護するために、科学者たちは「量子誤り訂正」と呼ばれる手法を用いています。これは、単一のデータを多くの物理的コンポーネントに分散させる手法です。もし一つのコンポーネントが故障しても、他のコンポーネントが間違いを特定して、データを破壊することなく修正することができます。このアプローチは量子マシンをスケールアップさせるために不可欠ですが、膨大な数のコンポーネントが完璧に調和して動作することを必要とします。課題は、現実世界の機械が決して完璧ではないことです。量子情報を保存するために使用される微細な超伝導回路には、性能にわずかなばらつきがあったり、一部のコンポーネントが単に故障していたり、あるいは他よりもはるかにノイズが多かったりすることがよくあります。もしコンピュータがこれらの欠陥を許容できないのであれば、製造プロセスがあまりに無駄が多くなり、大規模なマシンの構築は不可能になってしまうでしょう。
ある研究チームは、欠陥のある部品が含まれていても、大規模な量子プロセッサを効果的に機能させる方法を実証しました。彼らは、IBM Bostonとして知られる156量子ビットの超伝導チップを用い、デバイス全体にわたって複雑な誤り訂正実験を行いました。壊れた部品を無理に動かそうとするのではなく、それらを単に無視するという戦略を開発したのです。どのコンポーネントの性能が低いかをマッピングし、それらを回避するように測定スケジュールを再設計することで、チームは高いパフォーマンスを維持することができました。性能の低い部分を除外し、スマートなコンピュータプログラムを使用して結果を解釈することで、エラー率を大幅に下げられることを見出したのです。情報の保存を目的としたテストでは、このアプローチによりメモリの信頼性が最大35パーセント向上しました。論理演算を行うためのテストでは、その改善はさらに劇的で、56パーセントに達しました。また、研究者たちは、「リーク」と呼ばれる特定の種類の失敗によってデータが破損した可能性が高い実験をフィルタリングすることで、事後選択（ポストセレクション）された実行において、もつれ状態の生成における極めて高いフィデリティ（忠実度）を実現し、成功率が97パーセントを超えることを示しました。
この実験は、ヘキサゴナル・ラティス（六角格子）と呼ばれる独特のレイアウトを持つチップで行われました。このレイアウトは、製造は容易ですが、単純なグリッドよりも誤り訂正を行うのが難しいパターンで量子ビットを接続しています。研究者たちは、時間の経過とともにエラーのチェック方法を変化させる「ダイナミック・コード」という手法を用い、チップの不規則性に適応させました。彼らは、チップ上でコンポーネントが継続的に性能低下を起こしている2つの特定の領域を特定しました。そこではエラー率がデバイスの他の部分よりもはるかに高くなっていました。チップ全体を廃棄するのではなく、彼らはその領域を完全に回避するように誤り訂正プロトコルを再設計しました。これには、不良なコンポーネントを飛び越えるように、より大きなチェックを新たに作成するという作業が含まれており、実質的に、機械の織物の穴を縫うように誤り訂正を編み込んだのです。
チップから送られてくるデータを理解するために、チームは高度なデコーディング戦略を採用しました。彼らはACESと呼ばれる手法を用いて、実験当日の回路の特定のノイズパターンを測定し、どこでエラーが発生しやすいかを示す詳細なマップを作成しました。このマップは、生の信号を解釈してエラーが発生したかどうか、そしてどのように修正すべきかを判断する翻訳者のような役割を果たす古典的なコンピュータ・アルゴリズムである「デコーダー」に送られました。研究者たちは、詳細なリアルタイムのノイズ情報を使用することが、一般的な平均エラー率に頼るよりもはるかに効果的であることを発見しました。しかし、最高のノイズマップを用いたとしても、欠陥のあるコンポーネントの存在が性能に厳しい限界を課すことも発見しました。デコーダーは不良部品を完全には補完できず、それらを克服する唯一の方法は、計算から物理的に除外することでした。
チームは、3つの異なる方法で彼らのアプローチをテストしました。第一に、量子状態を保存し、それが時間の経過とともにどのように生存するかを確認するメモリ実験を行いました。欠陥のあるコンポーネントを除外し、ノイズ情報を考慮したデコーダーを使用することで、論理エラー率が大幅に低下することを発見しました。最良のケースでは、測定の1ラウンドあたりのエラー確率は2.56から4.11パーセントに減少しました。これは、欠陥のあるコンポーネントを使用した場合や、精度の低いノイズモデルを使用した場合にはなかった、大幅な改善でした。第二に、エラーを抑制できるかどうかを確認するために、誤り訂正を多くのラウンドにわたって実行し、システムの安定性をテストしました。欠陥のあるコンポーネントを除外しない場合、エラー率は約12ラウンドで頭打ちになり、プラトー（停滞状態）に達します。しかし、欠陥のあるコンポーネントを除外すると、エラー率は30ラウンドまで下がり続け、不良部分を取り除けばシステムが真にエラーを抑制できることが示されました。
最後に、研究者たちは、特に「ラティス・サージェリー（格子手術）」と呼ばれる、2つの独立した論理量子ビットを結合させ、相互作用させるプロセスを通じて、マシンの論理演算能力をテストしました。これは複雑な計算を実行するための重要なステップです。初期状態が安全な計算空間からリーク（漏出）した可能性が高い実行をフィルタリングすることで、非常に高品質な結果が得られることを彼らは発見しました。この事前選択（プレセレクション）と、最も確信度の高い結果のみを保持する事後選択（ポストセレクション）の手法を組み合わせることで、97パーセントを超えるフィデリティを持つもつれ状態を生成することができました。これは、得られた量子状態が理想的な理論的状態に極めて近いことを意味しており、将来の大規模量子コンピュータに求められる品質レベルです。
この研究は、量子コンピューティングの未来に向けた重要な教訓を提示しています。すなわち、製造における完璧さは、高いパフォーマンスを達成するために厳密に必要とされるわけではないということです。チップ上のコンポーネントは常に変動し、中には必然的に壊れたものも含まれますが、システムはそれらの欠陥を回避するように設計することができます。研究者たちは、能動的な欠陥除外、スマートなデコーディング、そして注意深いフィルタリングを組み合わせることで、不完全なハードウェアであっても量子プロセッサが高いフィデリティを維持できることを示しました。このアプローチは、量子チップがより大きく、より複雑になるにつれて、個々のコンポーネントの生の品質と同じくらい、欠陥を許容し、それらを回避する能力が重要になることを示唆しています。この成果は、現在の世代のハードウェアを用いて有用な量子コンピュータを構築するための実用的な道筋を示しており、機械が完璧でない場合でも、高いパフォーマンスが可能であることを証明しています。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。