Channel-resolved memory time of Haah's cubic code under reversible rate filtering and temporally correlated baths

기술 요약: Haah의 입방 부호(Cubic Code)에 대한 채널별 메모리 시간

문제 정의
자기 교정 양자 메모리는 해밀토니안이 열적으로 생성된 결함을 가두는 방식에 의존하여, 실시간 디코딩 없이 논리 정보를 저장하는 것을 목표로 한다. Haah의 입방 부호는 이러한 메모리를 위한 주요 3차원 후보이다. 평탄한 마르코프(Davies) 욕(bath) 하에서의 거동은 이미 확립되어 있으며, 이 경우 메모리 시간은 엔트로피에 의해 결정된 최적점까지 선형 크기 $L$의 멱법칙(power law)에 따라 성장한다. 그러나 더 복잡한 환경 구조 하에서 메모리 시간이 어떻게 변화하는지는 아직 밝혀지지 않았다. 구체적으로, 욕이 서로 다른 에너지 채널에서 구조화된 스펙트럼 가중치를 갖거나, 시간적 상관관계가 있거나, 또는 코드 에너지가 효과적으로 재규격화될 때 메모리 시간이 어떻게 스케일링되는지는 알려져 있지 않다. 이러한 효과들을 분리하지 않고서는, 수동적 메모리 성능을 개선하기 위해 어떤 환경적 특성을 설계해야 하는지 결정할 수 없다.

방법론
저자는 두 개의 큐비트가 각 사이트에 있는 $L \times L \times L$ 주기적 격자($N=2L^3$) 상에서 Haah의 입방 부호(Code 1)에 대한 키네틱 몬테카를로 시뮬레이션을 수행한다. 시스템은 단일 큐비트 $X$ 점프 연산자에 의해 구동되는 오류 구성 상의 고전적 연속 시간 마르코프 체인으로 모델링된다. 본 연구는 역온도 $\beta = 4.5$ 및 $5.0$에서 유한 크기 영역($L=5$에서$19$)에 집중한다.

본 방법론은 특정 욕의 속성을 분리하기 위해 세 가지 현상학적 환경 제어 기법을 도입한다:

1. 가역적 비율 필터링(Reversible Rate Filtering): 허용된 세 가지 에너지 변화($|\Delta E| \in \{4, 2, 0\}$)에 대한 전이율을 각각 독립적인 인자 $s_4$ (쌍 생성/소멸), $s_2$ (장벽 통과), $s_0$ (제로 에너지 확산)로 곱한다. 이는 상세 균형(detailed balance)과 깁스 분포를 유지하면서 특정 에너지 채널의 스펙트럼 가중치를 조절할 수 있게 한다.
2. 시간적 상관관계가 있는 욕(Temporally Correlated Baths): 제로 에너지 확산율 $s_0$를 튜닝 가능한 상관 시간 $\tau_c$와 분산 $\sigma^2$를 가진 외부 오른슈타인-우렌벡 과정(Ornstein–Uhlenbeck process)에 의해 변조함으로써, 평균율이나 평형 분포를 변경하지 않고 비마르코프적 시간 상관관계를 도입한다.
3. 균일 에너지 재규격화(Uniform Energy Rescaling): 코드 에너지를 균일하게 재규격화하여 유효 역온도 $\beta' = c\beta$를 시뮬레이션하며, 이는 균일한 냉각 효과가 달성할 수 있는 벤치마크 역할을 한다.

또한, 구조화된 스펙트럼 밀도, 결함 인구, 그리고 완화율 사이의 관계를 분석하기 위해 린드블라드 방정식(Lindblad equation)을 통해 정확히 풀이된 1-결함 의사모드(pseudomode) 모델(감쇠하는 보존 모드에 결합된 큐비트)을 사용한다.

메모리 시간($T_{mem}$)은 특정 재규격화 그룹(RG) 디코더의 첫 실패 시간으로 정의된다. 실행은 디코더가 모든 결함을 제거하지 못하거나 논리적 오류를 반환할 경우 실패한 것으로 간주한다. 연구는 데이터 포인트당 60~100회의 실행에 대한 표본 평균을 보고한다.

주요 결과

• 채널 민감도: 메모리 시간은 압도적으로 제로 에너지 확산 채널($s_0$)에 의해 제어된다.

  • 쌍 생성 ($s_4$): $s_4 \in [0.01, 10]$ 범위에서 쌍 생성 채널은 $T_{mem}$에 측정 가능한 영향을 미치지 않는다. $s_4$가 교차 임계값($L=9$에서 $s_4^* \approx 3.8 \times 10^{-4}$) 아래로 떨어질 때만, 메모리 시간은 첫 번째 오류 발생 시간에 의해 제한되며 가법적(additive) 형태를 따른다.
  • 장벽 채널 ($s_2$): 이 채널은 약한 민감도($d \ln T_{mem} / d \ln s_2 \approx -0.29$)를 보인다.
  • 제로 에너지 채널 ($s_0$): 이 채널은 $\approx -0.60$의 민감도로 지배적이다. 확산을 $10^3$ 배 억제하면 ($s_0 = 0.001$), $L=7–13$ 범위에서 메모리 시간이 80–120배 증가한다. 결정적으로, 이러한 이득은 크기 지수(size exponent)를 가파르게 만드는 것이 아니라 큰 프리팩터(prefactor)로서 작용한다. 즉, 크기 지수는 선언된 허용 오차 내에서 평탄한 욕(flat bath)과 일치한다. 또한, 확산을 억제하면 최적 크기 $L^*$가 바깥쪽으로 이동하여, 필터링된 메모리가 평탄한 욕의 최적점보다 더 오래 생존할 수 있게 한다 (예: $L=19$에서 필터링된 욕은 이미 붕괴한 평탄한 욕보다 45배 더 길다).

• 시간적 상관관계: 욕의 상관 시간 $\tau_c$를 도입하면 위험 평균(hazard averages)과 일치하는 메모리 시간 이득을 얻는다.

  • 어닐드(Annealed) 영역 ($\tau_{cluster} \lesssim \tau_c \ll T_{mem}$): 이득은 어닐드 위험 평균에 의해 설명되며, $\sigma=2$일 때 약 2배의 이득을 준다.
  • 퀀치드(Quenched) 영역 ($\tau_c \gg T_{mem}$): 이득은 $\approx 7$배로 증가하며 ($\sigma=2$ 기준), 이는 퀀치드 위험 평균과 일치한다. 이 영역에서의 수명 분포는 퀀치드 멱법칙 모델과 호환된다.

• 에너지 재규격화: 코드 에너지를 12% 균일하게 재규격화하는 것(유효 $\beta$ 증가와 동일)은 적합된 크기 지수를 2.7에서 4.3으로 높이며, 이는 Bravyi–Haah 스케일링 법칙($T_{mem} \propto L^{2.93\beta - 10.52}$)과 일치한다. 그러나 저자는 2-결함 의사모드 모델을 통해 국부적으로 감쇠하는 구조화된 모드가 이러한 균일한 에너지 재규격화(냉각)를 실현하지 못함을 보여준다. 대신, 서브 갭(sub-gap) 스펙트럼 가중치는 결함의 평균 힘 에너지(mean-force energy)를 낮추고(결함을 더 "저렴하게" 만듦) 결함 간 상호작용을 유도하여, 단순한 냉각 메커니즘으로서 작동하지 못한다.

의의 및 주장
본 논문은 최초로 채널별로 분해된 유한 크기 벤치마크를 수동적 3차원 양자 메모리에 대해 제시한다. 주요 기여는 다음과 같다:

1. 제어 레버 식별: 제로 에너지 스펙트럼 가중치가 수동적 메모리 설계를 위한 핵심적인 환경 파라미터임을 식별하였으며, 확산을 억제하는 것이 점근적 스케일링 법칙을 바꾸지 않으면서도(테스트된 창 내에서) 거대한 프리팩터 이득을 제공함을 보여준다.
2. 상관관계 이득의 정량화: 시간적 상관관계가 메모리 시간 대비 상관 시간에 따라 2배에서 7배의 개선을 가져온다는 것을 정량화하였으며, 이는 어닐드 및 퀀치드 위험 평균과 일치한다.
3. 국부 모델의 한계 명시: 국부적으로 감쇠하는 구조화된 모드가 코드에 대해 균일한 에너지 재규격화(냉각)를 제공하지 못함을 명확히 한다. 이는 결함 인구를 변화시키고 상호작용을 유도하여, 단순히 Bravyi–Haah 지수를 이동시키는 방식으로 작동하지 않는다.

저자는 본 결과가 점근적 스케일링 법칙을 확립하거나 능동적 디코딩에 대한 우위를 입증하는 것은 아님을 명시적으로 밝힌다 (대부분의 필터에서 데이터가 $L < L^*$로 제한됨). 본 연구는 욕 엔지니어링을 위한 가이드 역할을 하며, 제로 주파수 노이즈를 억제하고 시간적 상관관계를 도입하는 것이 유익하지만, 국부적인 구조화된 욕을 통해 균일한 에너지 재규격화를 달성하는 것은 여전히 과제로 남아 있음을 시사한다. 본 연구는 X-섹터, 특정 디코더, 그리고 현상학적 비율 필터로 제한되며, 프랙톤(fracton) 코드를 위한 효율적인 디코더는 아직 거의 알려지지 않았고 보고된 실패 시간은 사용된 특정 RG 디코더의 특성을 나타낸다.