Blind calibration of a quantum computer
本文提出并实验验证了一种用于离子阱量子计算机的“盲”校准协议,该协议能够利用噪声态上的简单层析数据,准确量化并纠正多种测量误差,从而消除了对独立的、依赖于态制备的校准实验的需求。
原始论文采用 CC BY 4.0 许可(http://creativecommons.org/licenses/by/4.0/)。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性,请参阅原始论文。 阅读完整免责声明
想象一下,你正试图拍摄一张完美的风景照片。但问题在于:你的相机镜头有点脏,快门速度稍微有点偏差,而且传感器有时会误读光线。通常,为了解决这个问题,你需要对一个完全已知的标准物体(比如灰卡或标尺)进行一系列测试照片,以弄清楚你的相机到底出了什么问题。你需要分别测量污垢、测量快门速度以及测量传感器误差。
问题在于,量子计算机的特点是,我们往往**没有“完美的标准物体”**可以用来测试。我们试图测量的东西本身(即量子态)是非常脆弱且难以完美制备的。如果我们试图用一个已经有些模糊的“标准物体”来校准我们的“相机”(测量设备),我们就无法分辨这种模糊究竟是来自相机还是来自物体。这就是“校准问题”。
这篇论文介绍了一种聪明的新技巧,叫做**“盲校准”(Blind Calibration)**。
“盲眼”侦探
把盲校准想象成一个在不知道受害者长相的情况下破案的侦探。侦探不需要一张完美的受害者照片来识别嫌疑人,而是通过观察留下的线索模式。
在量子世界中,“线索”就是计算机给你的数据点。尽管量子态(“受害者”)是混乱且未知的,但误差(“嫌疑人”)会在数据中留下特定且可识别的模式。
研究人员发现,如果你观察几次简单测量得到的数据,你就可以在数学上理清这一团乱麻。你可以说:“啊,数据中这个特定的波动是由镜头脏了(读取误差)引起的,而另一个波动是由快门太快(过旋转)引起的。”
他们是如何做到的
该团队使用了一台由离子阱(通过磁场固定住的微小带电原子,就像串在绳子上的珠子)制成的量子计算机。他们并没有尝试制备一个完美的、已知的状态。相反,他们只是对一些随机的、“嘈杂”的状态进行了测量。
然后,他们使用一种计算机算法来进行一场“猜测与检查”的游戏:
- 猜测: “也许误差是这么多。”
- 检查: “如果误差真的是这么多,数据看起来会像我们实际看到的那样吗?”
- 重复: 他们不断调整猜测,直到数学模型能完美解释这些杂乱的数据。
一旦他们确定了误差的具体大小(即“校准参数”),他们就可以在后处理过程中通过数学手段“清理”数据,就像使用照片编辑软件去除照片中的污垢一样。
三大优势
论文强调了这种“盲”方法的三个主要优点:
- 一举多得: 通常,你需要分别进行多次昂贵的实验来修复镜头、修复快门和修复传感器。盲校准可以在一次实验中同时修复所有这些问题。这就像是一次性修好了整台相机,而不是购买三个不同的维修包。
- 它不在乎物体: 该方法对被测量的状态是“盲”的。即使你正在测量的量子态是不完美或有噪声的,它依然有效。你不需要一个完美的“标准物体”作为起点。
- 它非常高效: 他们展示了这种方法与传统的校准方式(需要许多单独的高精度测试)一样有效,但使用的数据更少,时间更短。在他们的实验中,盲校准法需要大约 270,000 次测量,而传统方法则需要 630,000 次。
总结
研究人员成功证明,无需确切知道你在测量什么,就可以校准量子计算机的测量工具。通过观察数据中的“误差指纹”,他们能够识别并纠正多种类型的错误。这使得让量子计算机进入工作状态的过程变得更快、更便宜、更可靠,从而消除了对一系列漫长且完美的单独测试的需求。
您所在领域的论文太多了?
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要,使用您的语言。