⚛️ quantum physics

Two-Level System Spectroscopy from Correlated Multilevel Relaxation in Superconducting Qubits

本文提出了一种针对固定频率超导 Transmon 量子比特的新型光谱学方法，通过分析多能级弛豫过程中的相关性，无需频率调控即可识别并追踪远离量子比特频率的微观双能级系统（TLS）。

原作者： Tanay Roy, Xinyuan You, David van Zanten, Francesco Crisa, Sabrina Garattoni, Shaojiang Zhu, Anna Grassellino, Alexander Romanenko

发布于 2026-02-12

📖 1 分钟阅读🧠 深度阅读

CC BY 4.0

原作者： Tanay Roy, Xinyuan You, David van Zanten, Francesco Crisa, Sabrina Garattoni, Shaojiang Zhu, Anna Grassellino, Alexander Romanenko

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

这是一篇关于量子计算领域非常前沿的研究论文。为了让你轻松理解，我们可以把这个复杂的物理实验想象成一个**“寻找乐器中隐形杂音”**的故事。

核心背景：量子乐器的“杂音”问题

想象一下，你正在制造世界上最精密的钢琴。为了让音乐完美，每一个琴弦的振动都必须极其纯净。在量子计算的世界里，“超导量子比特”（Transmon qubit）就像是这些琴弦。

然而，制造这些“琴弦”的材料（比如金属和陶瓷界面）并不完美。材料内部隐藏着许多微小的、看不见的“小怪兽”，科学家称之为**“双能级系统”（TLS）**。

这些“小怪兽”非常调皮：

它们会偷走能量：当你让量子比特振动时，这些小怪兽会突然跳出来，把能量吸走，导致量子信息丢失（这就是论文里说的 $T_1$ 弛豫）。
它们会变来变去：这些小怪兽的“频率”（也就是它们最活跃的状态）会随着时间不停地漂移，这让量子计算机变得极不稳定。

传统方法的局限：必须“撞个满怀”

以前，科学家想抓这些“小怪兽”，通常需要一种“硬碰硬”的方法：通过调节量子比特的频率，强行让它和“小怪兽”的频率撞在一起（共振）。这就像是为了听清一个隐形的噪音，你必须把音量调到最大，直到噪音和音乐完全重叠。

但问题是，很多高性能的量子比特是**“固定频率”**的（Fixed-frequency），它们像是一把调好音就不能动的琴，你没法通过调音来“撞”这些怪兽。

这篇论文的新招数：观察“连锁反应”

这篇论文的作者们发明了一种非常聪明的**“侧面观察法”**。

他们不再试图去撞怪兽，而是观察量子比特在**不同高度（能级）**下的表现。

比喻：观察“跳高运动员”的体力

想象一个运动员可以跳两个高度：高度A（第一激发态）和高度B（第二激发态）。

如果只有一个“小怪兽”在附近晃悠，且这个怪兽正好站在高度A和高度B之间。
当怪兽靠近高度A时，运动员跳高度A就会变得很累（能量流失快）；但与此同时，怪兽离高度B就远了，运动员跳高度B反而会觉得轻松（能量流失慢）。

这就是论文里提到的“负相关”（Anti-correlation）现象：
当你发现运动员在高度A表现变差的同时，在高度B表现变好了，你不需要亲眼看到怪兽，也能断定：“哦！一定有一个怪兽正在高度A和B之间来回移动！”

实验成果：抓到了“隐形人”

通过这种方法，研究团队取得了惊人的成果：

不需要调音也能抓鬼：即使“小怪兽”离量子比特的正常工作频率很远（超过100 MHz），这种方法依然能敏锐地捕捉到它们的影响。
追踪怪兽的轨迹：他们不仅找到了怪兽，还通过观察能量流失的变化，成功画出了这些怪兽在过去几十小时里的“移动路线图”（频率漂移轨迹）。
区分多个怪兽：在某些设备中，他们发现能量流失的变化并不成比例，从而推断出那里不止一个怪兽，并成功用数学模型区分出了两个不同的“小怪兽”。

总结：为什么要关心这个？

如果我们要制造大规模、稳定的量子计算机，就必须学会如何“清理”这些材料里的杂音。

这篇论文提供了一套**“无需拆解、无需调音”**的体检方案。它就像给量子比特装上了一台高灵敏度的“听诊器”，让科学家即使面对无法调节的固定频率设备，也能通过观察能量流失的“连锁反应”，精准地定位并追踪那些破坏量子信息的微观缺陷。

一句话总结：科学家发明了一种“听音辨位”的新技术，即使不直接接触，也能通过观察量子比特能量流失的规律，精准锁定并追踪材料内部的微观干扰源。

这是一篇关于超导量子比特中利用多能级弛豫关联进行两能级系统（TLS）谱学研究的学术论文。以下是该论文的详细技术总结：

1. 研究背景与问题 (Problem)

在超导量子计算中，Transmon量子比特的能量弛豫（ $T_1$ ）和退相干常受到材料界面及介质中微观**两能级系统（TLS）**的干扰。这些TLS缺陷会导致量子比特的相干时间发生随时间波动的现象。

现有技术的局限性：

依赖频率调控： 传统的TLS谱学方法通常需要通过磁通调控（Flux-tuning）改变量子比特频率，使其与TLS发生共振，从而观察到能级避越（Avoided crossings）或 $T_1$ 的剧烈下降。
固定频率量子比特的挑战： 为了提高可扩展性并减少低频磁通噪声，现代架构倾向于使用**固定频率（Fixed-frequency）**的Transmon。然而，固定频率量子比特无法通过扫频来直接识别TLS。
非共振影响： 即使TLS与量子比特频率有较大偏差（Detuned），仍可能通过洛伦兹谱线的尾部显著影响弛豫过程，而传统的单能级测量难以捕捉这种复杂的关联。

2. 研究方法 (Methodology)

研究团队提出了一种无需频率调控的新型谱学方法，其核心在于利用**多能级弛豫（Multilevel Relaxation）**的关联性。

实验协议： 针对具有三个能级（ $|0\rangle, |1\rangle, |2\rangle$ ）的Transmon，通过连续的 $\pi$ 脉冲将量子比特初始化到第二激发态 $|2\rangle$ 。
同步提取： 在不同的等待时间 $\Delta t$ 后进行三能级读取，同时提取第一激发态（ $|1\rangle \leftrightarrow |0\rangle$ 跃迁）和第二激发态（ $|2\rangle \leftrightarrow |1\rangle$ 跃迁）的弛豫率 $\Gamma_{10}$ 和 $\Gamma_{21}$ 。
数学模型： 基于三能级动力学方程，通过拟合随时间变化的能级布居数，获取随时间变化的 $T_{1e}$ 和 $T_{1f}$ 。
关联分析： 利用TLS的噪声谱密度（洛伦兹分布）模型，分析 $\Gamma_{10}$ 和 $\Gamma_{21}$ 之间的相关性。如果一个TLS频率位于 $\omega_{01}$ 和 $\omega_{12}$ 之间，当该TLS频率漂移时，会导致两个跃迁的弛豫率呈现**反相关（Anti-correlation）**关系。

3. 核心贡献 (Key Contributions)

提出新协议： 开发了一种适用于固定频率Transmon的TLS表征方法，无需使用磁通线或大功率AC-Stark位移。
实现TLS轨迹重构： 证明了通过监测多能级弛豫率的关联，可以反推单个或多个TLS的频率随时间漂移的轨迹。
揭示非共振效应： 实验证明了即使是偏离量子比特频率 $\gtrsim 100 \text{ MHz}$ 的TLS，也能通过多能级测量被有效识别并对其弛豫产生显著影响。

4. 实验结果 (Results)

研究对两个不同的Transmon器件（Device A 和 Device B）进行了长达60小时以上的连续测量：

器件 A (单TLS主导模型)：
- 观察到 $T_{1e}$ 和 $T_{1f}$ 之间存在强烈的反相关现象（如图3a, e所示）。
- 通过单TLS模型拟合，成功重构了该TLS的频率漂移轨迹（约 $10 \text{ MHz}$ 的摆动），其频率位于 $\omega_{01}$ 和 $\omega_{12}$ 之间。
器件 B (多TLS模型)：
- $T_{1e}$ 和 $T_{1f}$ 表现出极弱的相关性，甚至出现了 $T_{1e} < T_{1f}$ 的反常现象。
- 通过双TLS模型拟合，识别出两个不同的TLS：一个靠近 $\omega_{01}$ 且波动剧烈，另一个靠近 $\omega_{12}$ 且相对稳定。

5. 研究意义 (Significance)

诊断工具： 为固定频率超导量子处理器提供了一种强大的、低开销的缺陷诊断工具，有助于理解和评估材料质量。
提升稳定性： 通过识别TLS的频率漂移规律，为未来通过工程手段（如噪声谱工程）主动稳定量子比特相干性提供了实验依据。
物理洞察： 该方法不仅能识别共振TLS，还能探测到对弛豫有贡献的宽带/非共振噪声源，深化了对超导电路中耗散机制的理解。