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

Na busca para construir um computador quântico, cientistas estão tentando aproveitar as regras estranhas do mundo subatômico para resolver problemas que são impossíveis para as máquinas de hoje. No coração dessas máquinas estão pequenos circuitos chamados qubits supercondutores, que atuam como as unidades básicas de informação. Para funcionar, esses circuitos devem permanecer em um estado delicado de coerência quântica, uma condição onde podem existir em múltiplos estados ao mesmo tempo. No entanto, o mundo real é ruidoso. Flutuações invisíveis em campos elétricos e ambientes magnéticos bombardeiam constantemente esses circuitos, fazendo com que percam sua informação quântica e colapsem em estados comuns. Esse processo, conhecido como decoerência, é o principal obstáculo que separa a tecnologia atual de computadores quânticos poderosos. Por décadas, pesquisadores tentaram modelar esse ruído usando ferramentas estatísticas padrão que assumem que o ruído é aleatório e imutável, como o chiado em um rádio. Mas medições recentes sugerem que o ruído nesses circuitos é muito mais complexo, comportando-se com uma memória longa e mudando seu caráter ao longo do tempo de maneiras que os modelos antigos não conseguem explicar.

Um novo estudo de Mahboob Ul Haq oferece uma nova maneira de entender e prever esse ruído persistente. O pesquisador propõe um modelo unificado que trata o ambiente ao redor de um qubit supercondutor não como um fundo simples e estático, mas como um sistema dinâmico com uma memória que evolui. Nesse arcabouço, o ruído é descrito usando um conceito matemático chamado movimento browniano multifracional de memória. Imagine um caminho que não é apenas aleatório, mas um caminho onde a rugosidade do trajeto muda lentamente conforme você caminha por ele. No contexto do qubit, isso significa que a "rugosidade" ou intensidade das flutuações de ruído muda ao longo do tempo, criando um padrão que os modelos padrão não captam. O estudo combina essa descrição clássica com uma extensão mecânica quântica, ligando o ambiente ruidoso a um banho microscópico de partículas que interagem com o qubit. Essa conexão permite que o modelo explique como o ruído se comporta em diferentes temperaturas e como ele transita do comportamento quântico para o comportamento clássico.

O pesquisador usou esse novo arcabouço para realizar simulações computacionais detalhadas de como um qubit de carga supercondutor perde sua energia e coerência. Eles descobriram que o ruído não simplesmente desaparece em uma curva suave e previsível como previam as teorias mais antigas. Em vez disso, a coerência do qubit decai em um padrão esticado, desacelerando e acelerando de uma forma que reflete a memória mutável do ambiente. As simulações revelaram números específicos de quanto tempo esses qubits podem manter sua informação sob essas condições. O modelo previu um tempo de relaxação, que é quanto tempo o qubit permanece em seu estado de energia, de aproximadamente 5,00 milhões de nanossegundos. O tempo que o qubit leva para perder sua informação de fase, conhecido como tempo de desfasamento, foi calculado em cerca de 418.000 nanossegundos. Esses resultados sugerem que, quando o ruído é dominado por flutuações de carga, o qubit pode manter seu estado por períodos surpreendentemente longos, desde que a natureza única e variável no tempo do ruído seja levada em conta.

Uma das descobertas mais significativas é que o expoente do ruído, um número que descreve como a potência do ruído muda com a frequência, não é uma constante fixa. Em modelos anteriores, assumia-se que esse valor era o mesmo em todos os momentos. No entanto, este estudo mostra que o expoente deriva lentamente, correspondendo às observações experimentais de dispositivos reais com muito mais precisidade do que qualquer valor constante poderia. O pesquisador demonstrou que, ao permitir que esse expoente mude, seu modelo consegue capturar as correlações de longo alcance no ruído que persistem por muitos ciclos de porta. Isso significa que o ambiente lembra das flutuações passadas e influencia as futuras, uma característica que os modelos padrão ignoram. O estudo também mostrou que a relaxação da energia e a amplitude do ruído atuam de forma independente na queda da energia do qubit, uma distinção que ajuda no design de melhores estratégias de correção de erros.

O artigo explora ainda como esse ruído afeta o desempenho das portas quânticas, as operações que processam informação. Ao analisar a competição entre perda de energia e desfasamento, o estudo identificou uma janela de tempo ideal potencial para realizar essas operações. Se uma porta for muito rápida, o ruído a interrompe; se for muito lenta, o qubit perde seu estado devido à relaxação. O modelo sugere uma duração específica onde o erro total é minimizado, oferecendo um guia para engenheiros que constroem esses circuitos. No entanto, o autor observa que essa otimização depende de um modelo de erro que assume desfasamento Gaussiano e ainda não inclui a validação dinâmica completa de efeitos de ordem superior. O pesquisador também testou sua teoria contra diferentes tipos de núcleos de memória, que são funções matemáticas que descrevem como o ambiente lembra o passado. Eles descobriram que um núcleo adaptativo, que muda sua forma para corresponder ao ruído em evolução, reproduziu flutuações realistas muito melhor do que modelos fixos e imutáveis.

Para garantir que seus achados fossem robustos, o pesquisador comparou seus resultados com limites estabelecidos. Ele mostrou que, quando a temperatura é alta o suficiente, seu complexo modelo quântico simplifica-se naturalmente na descrição clássica que ele iniciou, provando que as duas abordagens são consistentes. Eles também verificaram que seu modelo reproduz corretamente o comportamento do ruído padrão quando o ambiente é simples e imutável. No entanto, o estudo também destaca os limites dos métodos atuais. O pesquisador observou que simular esses sistemas em temperaturas extremamente baixas apresenta desafios numéricos, particularmente no tratamento do comportamento singular do ruído em frequências muito baixas. Eles também descobriram que usar aprendizado de máquina para extrair os parâmetros do ruído a partir dos dados era difícil com redes neurais padrão, pois o modelo falhou em generalizar de forma confiável, sugerindo que algoritmos mais avançados e sensíveis a sequências serão necessários para decodificar totalmente esses padrões complexos no futuro.

Em última análise, este trabalho fornece um mapa mais flexível e realista do cenário ruidoso que os qubits supercondutores devem navegar. Ao reconhecer que o ruído possui uma memória que muda com o tempo, o estudo vai além das limitações dos modelos estáticos mais antigos. Ele oferece uma maneira de prever tempos de coerência e erros de porta com maior precisão, o que é essencial para projetar a próxima geração de hardware quântico. Embora o modelo dependa de simulações e derivações teóricas em vez de novos experimentos físicos, ele fornece um caminho claro para testes futuros. O pesquisador sugere que medir os padrões de decaimento específicos e as dependências de temperatura que eles identificaram em dispositivos reais seria o próximo passo para confirmar se essa visão do mundo quântico, dependente do tempo e rica em memória, é a correta.