Direct fidelity estimation through joint fiducial grouping
本文引入了“联合基准点分组”（joint fiducial grouping）技术，该技术将泡利对（Pauli pairs）划分为交换集合，旨在显著降低连续参数化量子门直接保真度估计的测量开销，同时保留电路上下文。
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
量子计算机有望解决当今机器无法处理的问题，但它们极其脆弱。它们所使用的信息比特被称为量子比特（qubits），极易受到周围环境的干扰而导致出错。为了构建一台能够在不崩溃的情况下运行复杂计算的机器，科学家必须确保计算机执行的每一次操作都近乎完美。这种要求如此严苛，以至于即使是在普通电路中看似微不足道的微小误差，也可能累积并毁掉整个过程。挑战不仅在于让用于移动这些比特的逻辑门在孤立状态下正常工作，还在于确保它们在被其他操作、空闲时段以及芯片本身的特定布线所包围时仍能正常工作。这种被称为“上下文”（context）的周围环境会改变误差的行为方式，这意味着一个在某种设定下表现良好的逻辑门，在另一种设定下可能会失效。
为了修复这些误差，研究人员需要一种方法来测量量子逻辑门在其实际工作环境中的性能表现。传统方法通常涉及对噪声进行平均化处理，或通过反向运行电路来检查错误，但这些方法可能会掩盖那些需要被修复的、具有上下文相关性的误差。存在一种更直接的方法，即在逻辑门执行前准备特定的简单状态，并在执行后立即进行测量。然而，对于现代量子处理器中所使用的那些复杂的、可连续调节的逻辑门来说，这种直接方法变得成本过高。它需要为每一组输入和输出状态的组合都建立一套独特的设置，这会导致产生海量的实验配置，耗时过长。
一组研究人员开发出了一种新策略，使这种直接测量重新具备了实用性。他们引入了一种称为“联合基准态分组”（joint fiducial grouping）的技术，该技术允许他们同时测试多种状态组合。他们不再将每一对可能的输入和输出视为独立的实验，而是将那些可以使用相同基本设置进行测量的配对组合在一起。通过这种组织测试的方式，他们可以用更少的不同实验设置来估算逻辑门的性能。这种减少至关重要，因为它降低了重新配置机器的开销，而这通常是校准工作流中的瓶颈。
研究人员使用一类被称为 fSim 门的特定双量子比特逻辑门测试了他们的想法，这类逻辑门常用于超导量子处理器中。这些逻辑门是连续可调的，这意味着它们的行为会随着参数的调节而平滑变化，这使得它们很难用旧方法进行基准测试。通过详细的计算机模拟，团队展示了其分组策略如何一致地减少了表征逻辑门所需的唯一设置数量。在许多情况下，这也减少了实现精确测量时逻辑门运行的总次数。当逻辑门行为集中在少数特定模式而非均匀分布时，这种改进最为显著，而这正是现实量子算法中所使用的结构化操作的一个常见特征。
除了节省时间之外，这种新方法还提供了对逻辑门性能更真实的观察。因为它不需要随机化电路或反向运行电路，所以它保留了逻辑门运行时的精确上下文。这使其成为使用机器学习自动调优量子硬件的校准系统的理想工具。在这些系统中，计算机需要评估数千次逻辑门的质量，以找到最佳设置。研究人员证明，他们这种分组估算器可以作为此类学习循环中可靠的奖励信号，引导系统向更好的性能迈进，而无需为每一次测试都承担重新配置硬件的沉重负担。
这项研究证实，虽然测量量子逻辑门的基本难度依然存在，但我们组织测量的方式是可以优化的。分组技术并没有改变逻辑门的物理特性或误差的本质，它改变的是测量过程的效率。它为表征对于下一代量子应用至关重要的连续参数化逻辑门提供了一条切实可行的路径。通过降低实验开销，这种方法使得在现实世界的量子电路中监控并纠正误差变得可行，在保持上下文完整性的同时，确保机器运行在容错计算所需的高精度水平。
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。