Non-Stationary Decoherence in Superconducting Qubits:Memory Multi-Fractional Brownian Motion and a Time-Dependent Quantum Brownian Motion Extension

量子コンピュータの構築を目指す中で、科学者たちは、今日のコンピュータには不可能な問題を解決するために、亜原子の世界の奇妙な規則を利用しようと試みています。これらのマシンの中心には、情報の基本単位として機能する超伝導量子ビットと呼ばれる微小な回路があります。機能するためには、これらの回路は、複数の状態に同時に存在できる「量子コヒーレンス」という繊細な状態を維持しなければなりません。しかし、現実世界はノイズに満ちています。電場や磁気環境における目に見えない変動が絶えずこれらの回路を襲い、量子情報の喪失と、通常の状態への崩壊を引き起こします。デコヒーレンスとして知られるこのプロセスは、現在の技術と強力な量子コンピュータとの間に立ちはだかる主要な障害です。数十年にわたり、研究者たちは、ノイズをラジオの静電気のようにランダムで変化しないものと仮定する標準的な統計ツールを用いて、このノイズをモデル化しようとしてきました。しかし、最近の測定では、これらの回路におけるノイズははるかに複雑であり、長い記憶を持ち、従来のモデルでは説明できない方法で時間の経過とともにその性質を変化させていることが示唆されています。

Mahboob Ul Haqによる新しい研究は、この手強いノイズを理解し予測するための新しい方法を提示しています。研究者は、超伝導量子ビットを取り巻く環境を、単なる静的な背景としてではなく、進化する記憶を持つ動的なシステムとして扱う統一モデルを提案しています。この枠組みにおいて、ノイズは「メモリ・マルチフラクショナル・ブラウン運動」と呼ばれる数学的概念を用いて記述されます。道を進むにつれて、その道の「粗さ」がゆっくりと変化していく経路を想像してみてください。量子ビットの文脈において、これはノイズの変動の「粗さ」や強度が時間の経過とともに変化し、標準的なモデルが見逃してしまうパターンを生み出すことを意味します。この研究は、この古典的な記述を量子力学的な拡張と組み合わせ、ノキシーな環境を量子ビットと相互作用する粒子の微視的なバス（浴）へと結びつけています。この接続により、モデルはノイズが異なる温度でどのように振る舞うか、そしてどのように量子的な挙動から古典的な挙動へと遷移するかを説明することができます。

研究者はこの新しい枠組みを用いて、超伝導電荷量子ビットがどのようにエネルギーとコヒーレンスを失うかについての詳細なコンピュータ・シミュレーションを実行しました。彼らは、ノイズが古い理論が予測したような滑らかで予測可能な曲線を描いて単に消えていくのではなく、環境の記憶の変化を反映して、速度を上げたり下げたりしながら、引き伸ばされたパターンで減衰することを発見しました。シミュレーションは、これらの条件下で量子ビットがどの程度の期間情報を保持できるかを示す具体的な数値を明らかにしました。モデルは、量子ビットがエネルギー状態を維持する時間である緩和時間を、約500万ナノ秒と予測しました。位相情報（デフェージング）を失うまでの時間であるデフェージング時間は、約41万8,000ナノ秒と計算されました。これらの結果は、ノイズが電荷のゆらぎによって支配されている場合、ノイズの独特で時間依存的な性質を考慮に入れれば、量子ビットは驚くほど長い期間、その状態を維持できることを示唆しています。

最も重要な発見の一つは、ノイズ指数（ノイズのパワーが周波数に応じてどのように変化するかを表す数値）が固定された定数ではないということです。以前のモデルでは、この値は常に一定であると想定されていました。しかし、本研究は、この指数がゆっくりとドリフト（漂流）していることを示しており、これは実際のデバイスの実験的観察結果を、定数を用いるよりもはるかに正確に捉えています。研究者は、この指数が変化することを許容することで、自身のモデルが、標準的なモデルが無視してしまう、多くのゲートサイクルにわたって持続する長距離相関を捉えられることを実証しました。これは、環境が過去の変動を記憶し、将来の変動に影響を与えることを意味します。また、本研究は、エネルギーの緩和とノイズの振幅が、量子ビットのエネルギー減衰に対して独立して作用することも示しており、この区別はより優れたエラー訂正戦略を設計する上で役立ちます。

論文ではさらに、このノイズが情報を処理する操作である量子ゲートの性能にどのように影響するかについても探求しています。エネルギー損失とデフェージングの競合を分析することで、本研究は、これらの操作を行うための潜在的な最適時間窓を特定しました。ゲートが速すぎるとノイズが妨げとなり、遅すぎると量子ビットが緩和によって状態を失います。モデルは、総エラーが最小化される特定の期間を示唆しており、これらの回路を構築するエンジニアへのガイドを提供しています。ただし、著者は、この最適化はガウス型デフェージングを仮定したエラーモデルに基づいており、高次の効果に関する完全な動的検証はまだ含まれていないことを注記しています。研究者はまた、異なる種類のメモリカーネル（環境が過去をどのように記憶するかを記述する数学的関数）に対して自身の理論をテストしました。彼らは、形状を変化させて進化するノイズに適合させる適応型カーネルが、固定された変化しないモデルよりもは暦的なゆらぎをはるかに良く再現することを発見しました。

結果の堅牢性を確保するために、研究者は自身の結果を確立された限界と比較しました。温度が十分に高いとき、彼らの複雑な量子モデルが、出発点とした古典的な記述へと自然に簡略化されることを示し、両方のアプローチが一貫していることを証明しました。また、環境が単純で変化しない場合、モデルが標準的なノイズの挙動を正しく再現することも検証しました。しかし、本研究は現在の手法の限界も浮き彫りにしています。研究者は、極低温でのこれらのシステムのシミュレーション、特に非常に低い周波数におけるノイズの特異的な挙動の扱いに数値的な課題があることを指摘しました。また、標準的なニューラルネットワークを使用してデータからノイズパラメータを抽出しようとする際、モデルが信頼性を持って汎用化できず、機械学習の使用が困難であることを発見しました。これは、将来的にこれらの複雑なパターンを完全に解読するためには、より高度なシーケンス認識アルゴリズムが必要であることを示唆しています。

最終的に、この研究は、超伝導量子ビットが航行しなければならないノイズの風景に対する、より柔軟で現実的な地図を提供します。ノイズには時間の経過とともに変化する記憶があることを認めることで、本研究は古い静的なモデルの限界を超えています。それは、コヒーレンス時間やゲートエラーをより高い精度で予測する方法を提供しており、これは次世代の量子ハードウェアを設計するために不可欠です。このモデルは、物理的な実験ではなくシミュレーションと理論的な導出に基づいているものの、将来の検証のための明確な道筋を示しています。研究者は、特定された減衰パターンや温度依存性を実際のデバイスで測定することが、この時間依存的で記憶豊かな量子世界の視点が正しいものであることを確認するための次のステップであると示唆しています。