Optimal control with flag qubits

Titel: Optimal Control met Flag Qubits (Flag-GRAPE)

Auteurs: Liang-Xu Xie, Lui Zuccherelli de Paula, Weizhou Cai, et al. (USTC, Tsinghua University, Hefei National Laboratory).

1. Het Probleem

Hoge-trouwheidskwantumoperaties zijn de hoeksteen van fouttolerante kwantumcomputing. In open kwantumsystemen (systemen die interactie hebben met hun omgeving) vormen decoherentie en de daaruit voortvloeiende entropie-injectie een fundamentele beperking voor de prestaties.

• Traditionele aanpak: Bestaande optimalisatie-algoritmen, zoals GRAPE (Gradient Ascent Pulse Engineering), zijn ontworpen voor gesloten systemen of proberen decoherentie passief te mitigeren door meer geavanceerde noise-modellen te gebruiken.
• Fundamentele beperking: Deze methoden streven naar unitaire evolutie, die per definitie entropie behoudt. Ze kunnen de door de omgeving opgelegde onzekerheid niet actief uit het systeem verwijderen. De maximale haalbare trouwheid is dus strikt begrensd door de entropie die door de omgeving wordt gegenereerd.

2. Methodologie: Flag-GRAPE

De auteurs stellen een nieuw optimalisatiekader voor dat gebruikmaakt van een flag ancilla (een hulpsysteem) en een nieuw algoritme genaamd Flag-GRAPE.

• Het Concept: In plaats van alleen te proberen een unitaire transformatie te bereiken, wordt een extra qubit (de "flag") toegevoegd aan het systeem. Deze flag fungeert als een reservoir voor de onzekerheid veroorzaakt door decoherentie.
• Actieve Ruisonderdrukking: Het algoritme optimaliseert de controle-pulsen zodanig dat fouten die door decoherentie worden veroorzaakt, actief worden gekoppeld aan de aangeslagen toestand van de flag-qubit.
• Post-selectie: Na de operatie wordt de flag-qubit gemeten.
  • Als de flag in de verwachte grondtoestand blijft, wordt de toestand van het doelsysteem geaccepteerd.
  • Als de flag een onverwachte toestand (een "vlag") aangeeft, wordt de toestand van het doelsysteem verworpen (post-selectie).
• Het Algoritme (Flag-GRAPE):
  • De doelstelling (cost function) wordt herschreven om de infideliteit na post-selectie te minimaliseren, in plaats van de infideliteit van de totale evolutie.
  • Om de berekening haalbaar te houden voor grote systemen, gebruiken de auteurs een kwantumtrajectorie-methode met quantum trajectories.
  • Ze implementeren twee versnellings technieken: efficiënt bemonsteren (voorberekenen van "no-jump" trajectoires) en efficiënte afgeleiden (gebruikmakend van voorwaartse en achterwaartse propagatie van Kraus-operatoren).
  • Dit maakt het mogelijk om de gradiënten van de post-selectie infideliteit te berekenen zonder de volledige Lindblad-mastervergelijking direct op te lossen.

3. Belangrijkste Bijdragen

1. Paradigmaverschuiving: De overgang van passieve aanpassing aan decoherentie naar actieve aanpassing van de ruisondersteuning. Het systeem wordt getransformeerd van een open systeem met ongestructureerde fouten naar een systeem met geadverteerde "erasure errors" (wisfouten).
2. Flag-GRAPE Algoritme: Een efficiënt numeriek optimalisatie-algoritme dat post-selectie direct integreert in de doelstelling, waardoor de entropie fysiek uit het doelsysteem kan worden verwijderd.
3. Compatibiliteit met Foutcorrectie (QEC): Het creëren van geadverteerde erasure errors is cruciaal voor kwantumfoutcorrectie. Codes zoals het oppervlakcode (surface code) hebben een veel hogere fouttolerantie-drempel voor erasure errors (50%) dan voor depolariserende ruis (1%).

4. Resultaten

De auteurs hebben hun methode gevalideerd via numerieke simulaties op een supergeleidend kwantumcircuit (een resonator gekoppeld aan een transmon qubit).

• Vergelijking met Closed-GRAPE:
  • Flag-GRAPE toonde een reductie van 51% in de gemiddelde infideliteit vergeleken met traditionele Closed-GRAPE pulsen (die post-selectie niet in de optimalisatie meenemen).
  • De beste individuele pulse van Flag-GRAPE toonde een verbetering van 72% ten opzichte van de beste Closed-GRAPE pulse.
• Robuustheid: De methode bleef effectief over een breed scala aan ruissterktes. De infideliteit nam lineair toe met de ruis, maar de schalingscoëfficiënt voor Flag-GRAPE was aanzienlijk lager dan die voor Closed-GRAPE.
• Toepassing op Kwantumfoutcorrectie (Cat-code):
  • De auteurs toonden de toepassing aan voor het initialiseren van een logische "cat-state" (een fouttolerante code).
  • Zelfs met de extra complexiteit van de logische ruimte, boekte Flag-GRAPE een 50% reductie in gemiddelde infideliteit ten opzichte van Closed-GRAPE.
  • Opmerkelijk is dat een deel van de gecodeerde Flag-GRAPE pulsen een lagere infideliteit bereikte dan de beste ongecodeerde pulsen, wat suggereert dat er direct winst te behalen is in logische toestandvoorbereiding.

5. Betekenis en Toekomstperspectief

• Hardware-efficiëntie: Door decoherentie om te zetten in herkenbare erasure errors, kan de hardware-overhead voor fouttolerante architecturen drastisch worden verlaagd.
• Praktische Toepassing: De methode biedt een haalbare weg naar verbeterde logische toestandvoorbereiding in de nabije toekomst (near-term), zonder dat er eerst perfecte hardware nodig is.
• Toekomstig Onderzoek: De auteurs zien kansen voor experimentele demonstratie op supergeleidende circuits of gevangen ionen. Verder onderzoek richt zich op het aanpassen van andere ruisstructuren (zoals vooringenomen ruis) en het optimaliseren van de balans tussen de kans op succes (post-selectie) en de uiteindelijke trouwheid.

Conclusie:
Dit werk introduceert een fundamenteel nieuwe benadering voor kwantumoptimalisatie. Door post-selectie te gebruiken als een fysiek kanaal om entropie te verwijderen, slaagt Flag-GRAPE erin om de fundamentele limieten van unitaire evolutie te doorbreken en biedt het een krachtig instrument voor de realisatie van schaalbare, fouttolerante kwantumcomputing.