⚛️ quantum physics

Probing the memory of a superconducting qubit environment

该研究通过拟合热涨落引起的量子跳跃动力学，利用非泊松量子跳跃轨迹成功区分了超导量子比特与长寿命两能级系统（TLS）及标准马尔可夫浴的耦合，并揭示了 TLS 的微观起源。

原作者： Nicolas Gosling, Denis Bénâtre, Nicolas Zapata, Paul Kugler, Mitchell Field, Sumeru Hazra, Simon Günzler, Thomas Reisinger, Martin Spiecker, Mathieu Féchant, Ioan M. Pop

发布于 2026-03-13

📖 1 分钟阅读🧠 深度阅读

CC BY 4.0

原作者： Nicolas Gosling, Denis Bénâtre, Nicolas Zapata, Paul Kugler, Mitchell Field, Sumeru Hazra, Simon Günzler, Thomas Reisinger, Martin Spiecker, Mathieu Féchant, Ioan M. Pop

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

这篇论文讲述了一个关于超导量子计算机（Quantum Computer）如何“记住”过去发生的事情，以及科学家如何像侦探一样找出这些“记忆”来源的故事。

为了让你更容易理解，我们可以把这篇论文的核心内容想象成一场**“量子侦探游戏”**。

1. 背景：完美的量子世界 vs. 捣乱的“幽灵”

想象一下，你正在玩一个极其精密的弹珠游戏（这就是超导量子比特，量子计算机的基本单元）。

理想情况：弹珠在光滑的桌面上滚动，如果它停下来（失去能量），那是因为它撞到了桌面的摩擦力（环境），而且这种摩擦力是恒定的、没有记忆的。这就是科学家以前认为的“马尔可夫环境”（Memoryless Environment）。
现实情况：实际上，桌面上有一些看不见的**“幽灵”（也就是论文中提到的长寿命双能级系统，TLS**）。这些幽灵非常狡猾，它们会偷偷吸收弹珠的能量，藏起来，过一会儿再吐出来。
- 问题：这些幽灵不仅会吸收能量，还会**“记住”**弹珠刚才撞过它们。如果弹珠刚撞过，幽灵就会变得很兴奋，甚至反过来把弹珠推回去。这导致弹珠的运动轨迹变得奇怪，不再遵循简单的物理规律。
- 后果：在量子计算机里，这种“记忆”会导致计算错误。比如，一个错误信号会反复出现，就像幽灵一直在捣乱一样。

2. 以前的方法 vs. 新的“侦探”技巧

以前的方法（测 T1）：
以前科学家就像是在看弹珠平均多久停下来。他们只记录“弹珠花了 10 毫秒停下”。但这就像只看平均车速，完全忽略了路上有没有红绿灯或者幽灵在捣乱。这种方法无法发现那些“有记忆”的幽灵。
新方法的“量子跳跃”（Quantum Jumps）：
这篇论文的科学家发明了一种新技巧，叫**“量子跳跃关联光谱学”**。
- 比喻：想象你在观察弹珠，你不仅看它什么时候停下，你还盯着它每一次突然停下的瞬间（这就是“量子跳跃”）。
- 核心发现：科学家发现，如果弹珠刚刚因为撞击而停下（发生了一次跳跃），紧接着它更有可能再次突然动起来（或者再次停下）。这种“跳跃”不是随机的，而是成群结队出现的（就像一群鸟突然一起飞起，而不是随机一只只飞）。
- 结论：这种“成群结队”的现象，就是幽灵（长寿命 TLS）存在的确凿证据。因为幽灵吸收了能量，它需要时间“消化”，所以它会让弹珠的运动变得有节奏、有记忆。

3. 如何“抓”住这些幽灵？

科学家不需要把量子比特关掉或重启（这很麻烦），他们只需要静静地观察，利用热噪声（就像房间里的背景噪音）作为天然的触发器。

索洛蒙方程（Solomon Equations）：
这是一套数学公式，就像是一个**“幽灵行为预测器”**。科学家把观察到的弹珠运动数据（量子跳跃）填进去，就能反推出：
1. 幽灵藏在哪里？（频率是多少）
2. 幽灵有多强？（耦合率是多少）
3. 幽灵是不是怕电？（通过施加电场，发现有些幽灵会搬家或消失）
实验结果：
科学家通过改变量子比特的频率，就像在调收音机。当他们调到某个特定频率时，发现“幽灵”特别活跃（出现了明显的峰值）。
- 他们给这些幽灵起了名字（A, B, C... H）。
- 有些幽灵对电场很敏感（一推就动），有些则很顽固。
- 最重要的是，他们发现这些幽灵的寿命比量子比特本身还要长得多，这意味着它们真的是“长寿命”的捣乱分子。

4. 为什么这很重要？

这就好比你要修好一辆赛车（量子计算机），以前你只检查引擎（T1 时间），觉得引擎没问题。但现在你发现，赛道上有一些**“有记忆的陷阱”**，它们会记住赛车经过的次数，并在赛车经过时故意绊倒它。

对未来的意义：
如果不把这些“有记忆的幽灵”找出来并消除，量子计算机就无法实现**“容错”（即自动纠正错误）。因为错误不是随机发生的，而是有规律、有记忆的，这会让纠错算法失效。
这篇论文提供了一把“手电筒”**，让我们能直接看到这些隐藏的幽灵，甚至能根据它们的特性（比如怕不怕电）来设计材料，把它们彻底消灭掉。

总结

简单来说，这篇论文告诉我们：

量子计算机的环境里藏着一些**“长记性”的捣乱分子（TLS）**。
以前我们看不见它们，因为它们伪装得很好。
现在科学家通过观察**“量子跳跃”的成群模式**，成功把它们揪了出来。
我们不仅能看到它们，还能给它们“画像”（频率、对电场的反应），为未来制造更稳定、更聪明的量子计算机铺平了道路。

这就好比从“盲人摸象”变成了“拿着 X 光机看大象”，让我们第一次看清了量子世界里那些看不见的“记忆”到底长什么样。

这篇论文题为《探测超导量子比特环境的记忆效应》（Probing the memory of a superconducting qubit environment），由德国卡尔斯鲁厄理工学院（KIT）等机构的研究团队完成。文章提出了一种无需主动操控量子比特的新方法，用于探测和表征超导量子比特环境中存在的“长寿命”两能级系统（TLS），这些系统会导致非马尔可夫（Non-Markovian）的记忆效应，从而破坏量子纠错算法的假设。

以下是该论文的详细技术总结：

1. 研究背景与问题 (Problem)

马尔可夫近似的局限性： 超导量子处理器实现容错计算通常依赖于基于 Born-Markov 近似的阈值定理。该近似假设环境是无记忆的（马尔可夫浴），能量耗散是恒定的。然而，当量子比特耦合到寿命极长的两能级系统（TLS）时，这些 TLS 在运行过程中会被极化并保留过去状态的“记忆”，导致马尔可夫近似失效。
现有指标的不足： 传统的能量弛豫时间 $T_1$ 无法完全表征这种退相干现象。实验观测到的非指数衰减、非泊松量子跳跃（Quantum Jumps）以及环境超极化现象，都表明存在时间相关性误差（Time-correlated errors）。这种时间相关性会导致纠错码中的错误综合征（Syndrome）出现时间关联（例如，同一个错误被多次标记），从而挑战现有的纠错方案。
探测难点： 现有的泵浦 - 探测（pump-probe）实验通常需要主动操控量子比特，且需要重置时间，难以在弱耦合或弱信号下区分长寿命 TLS 与背景马尔可夫噪声。

2. 方法论 (Methodology)

研究团队提出了一种基于**量子跳跃关联谱学（Quantum Jump Correlation Spectroscopy）**的被动探测技术：

连续监测与量子跳跃： 利用随机热涨落引起的自然量子跳跃（从激发态到基态的跃迁），通过频闪读取（stroboscopic readout，每 6 µs 一次）连续监测量子比特的状态，构建量子跳跃轨迹。
二阶关联函数 ( $g_2$ )： 计算量子跳跃的二阶关联函数 $g_2(\tau)$ $g_{2} (τ)$ 。
- 在理想马尔可夫环境中， $g_2(\tau)$ 在短时间表现为反聚束（antibunching），随后指数衰减至 1。
- 在存在长寿命 TLS 的环境中，由于 TLS 吸收光子后需要很长时间才能弛豫，导致量子跳跃在长时间尺度上出现**聚束（bunching）**现象（即 $g_2(\tau) > 1$ ）。
索洛蒙方程（Solomon Equations）拟合： 将量子比特与 TLS 的耦合系统建模为索洛蒙方程（描述两个自旋系统的弛豫动力学）。通过拟合不同初始条件（如：无条件弛豫 vs. 跳跃后立即弛豫）下的量子比特动力学轨迹，解耦出以下关键速率：
- $\Gamma_q$ ：量子比特到热浴的弛豫率。
- $\Gamma_{qt}$ ：量子比特与特定 TLS 之间的能量交换率。
- $\Gamma_t$ ：TLS 到热浴的弛豫率（通常远小于 $\Gamma_{qt}$ ，故设为 0）。
光谱扫描： 通过扫描量子比特的频率（ $f_q$ ）并施加外部电场偏置，绘制 $\Gamma_{qt}$ 随频率变化的谱图，从而识别共振的长寿命 TLS。

3. 关键贡献 (Key Contributions)

无需操控的探测技术： 该方法完全利用热涨落引起的自然量子跳跃，无需对量子比特进行脉冲操控（如泵浦），避免了门校准误差和驱动诱导的泄漏误差。
无需初始化与反馈： 利用热平衡态和连续监测，消除了测量周期间的重置时间，提高了探测效率。
解耦长寿命与短寿命 TLS： 成功将长寿命 TLS（寿命远大于量子比特 $T_1$ ）与背景马尔可夫噪声及短寿命 TLS 区分开来。短寿命 TLS 表现为马尔可夫背景的一部分，而长寿命 TLS 则表现为显著的聚束效应。
揭示隐藏动力学： 通过蒙特卡洛模拟和索洛蒙方程拟合，从可观测的量子跳跃轨迹中“解开”（unravel）了不可观测的 TLS 布居数动力学，证实了 TLS 在量子比特跳跃后的过极化状态。

4. 主要结果 (Results)

观测到非马尔可夫聚束： 在通量子（fluxonium）量子比特实验中，观测到在 $T_1$ 时间尺度之外，量子跳跃概率显著高于稳态值（聚束效应），证实了长寿命 TLS 的存在。
解析 TLS 谱图： 在 50 MHz 的频率范围内， $\Gamma_{qt}$ 显示出多个尖锐的峰值，每个峰值对应一个特定的长寿命 TLS。
电场敏感性表征： 通过施加外部电场偏置，发现不同的 TLS 表现出不同的响应：
- 部分 TLS 频率随电场增加（如标记为 E 的 TLS）。
- 部分频率随电场减小（如 B, C, F）。
- 部分频率保持不变（如 A, D, G, H）。
- 部分表现出随时间的跳跃行为。
- 这种多样性揭示了长寿命 TLS 的微观起源可能具有不同的物理机制或位置。
定量拟合： 实验数据与基于索洛蒙方程的单 TLS 模型拟合高度一致，证明了该模型能准确描述量子比特与长寿命 TLS 的耦合动力学。

5. 意义与影响 (Significance)

对量子纠错的启示： 该研究直接指出了量子比特环境中存在的时间相关性误差来源。理解并表征这些长寿命记忆效应对于设计能够容忍此类相关错误的量子纠错码至关重要。
材料缺陷诊断工具： 提供了一种高分辨率、无需复杂操控的“显微镜”，用于探测超导电路中的微观缺陷（TLS）。这对于改进超导量子比特的材料工艺（如减少界面缺陷）具有指导意义。
通用性： 该技术适用于任何标准的量子比特测量设置，不仅限于通量子，具有广泛的适用性。
理论验证： 验证了非泊松量子跳跃理论在超导系统中的适用性，并为研究开放量子系统中的非马尔可夫动力学提供了新的实验范式。

总结：
这篇论文通过创新的“量子跳跃关联谱学”方法，成功探测并量化了超导量子比特环境中的长寿命两能级系统（TLS）。研究不仅揭示了这些系统导致的非马尔可夫记忆效应及其对量子纠错的潜在威胁，还提供了一种无需主动操控、基于热涨落的高效表征工具，为未来提升超导量子比特的相干时间和构建容错量子计算机奠定了重要的实验和理论基础。