[論文レビュー] Autonomous adaptive noise characterization in quantum computers

Riddhi Swaroop Gupta, Alistair R. Milne+3 more|arXiv (Cornell University)|Apr 15, 2019

Quantum Computing Algorithms and Architecture参考文献 48被引用数 5

ひとこと要約

本稿では、二層のパーティクルフィルタを用いてセンサービット上の測定を知的にスケジューリングすることで、マルチキュービット量子プロセッサ内の空間的ノイズ場を効率的にマッピングする自律的・適応的学習フレームワークであるNMQA（Noise Mapping for Quantum Architectures）を紹介する。シミュレーションではブルートフォースマッピングと比較して測定オーバーヘッドを最大18倍まで削減し、実験では3倍の削減を達成した。これにより、デ coherent 低下低減のためのより高速かつ高精度なノイズ特徴化が可能になる。

ABSTRACT

New quantum computing architectures consider integrating qubits as sensors to provide actionable information useful for decoherence mitigation on neighboring data qubits, but little work has addressed how such schemes may be efficiently implemented in order to maximize information utilization. Techniques from classical estimation and dynamic control, suitably adapted to the strictures of quantum measurement, provide an opportunity to extract augmented hardware performance through automation of low-level characterization and control. In this work, we present an autonomous learning framework, Noise Mapping for Quantum Architectures (NMQA), for adaptive scheduling of sensor-qubit measurements and efficient spatial noise mapping (prior to actuation) across device architectures. Via a two-layer particle filter, NMQA receives binary measurements and determines regions within the architecture that share common noise processes; an adaptive controller then schedules future measurements to reduce map uncertainty. Numerical analysis and experiments on an array of trapped ytterbium ions demonstrate that NMQA outperforms brute-force mapping by up-to $18$x ($3$x) in simulations (experiments), calculated as a reduction in the number of measurements required to map a spatially inhomogeneous magnetic field with a target error metric. As an early adaptation of robotic control to quantum devices, this work opens up exciting new avenues in quantum computer science.

研究の動機と目的

• ノイズ低減戦略を実装する前段階で、マルチキュービット量子プロセッサ内の空間的に不均一なノイズ場を効率的に特徴付けること。
• 射影測定におけるセンサービットからの情報量を最大化すると同時に測定オーバーヘッドを最小限に抑える自律的・リアルタイムフレームワークの開発。
• データキュービットにおける標的フィードバック制御を支援するための、効果的なノイズ相関長の推定と空間的マッピングの実現。
• 測定回数が膨大で、空間的ノイズ不均一性に適応できないブルートフォースノイズマッピング戦略の限界を克服すること。
• スケーラブルで自動化されたNISQ時代の量子ハードウェアにおけるノイズ特徴化を実現するため、古典的推定・制御技術を量子ファームウェアに統合すること。

提案手法

• NMQAは二層のパーティクルフィルタアーキテクチャを採用：1層目は空間的ノイズ場（F_t）を追跡し、2層目は測定結果とその不確実性（R_t）を追跡する。
• 階層的尤度モデルを用い、2つの構成要素を持つ：測定の一貫性を表すg₁(λ₁, Yₜ⁽ʲ⁾)と空間相関を表すg₂(λ₂, Qₜ)。これにより、粒子間での情報共有が可能になる。
• 各時刻で、尤度に基づいて粒子の重みを計算し、一定数の粒子を維持するためにリサンプリングを行う。これにより計算効率が保証される。
• リアルタイムの適応的コントローラーが、情報利得を最大化するように次の測定位置を選択し、ノイズマップの不確実性を段階的に低減する。
• マップの正確さを評価し、アルゴリズムパラメータを真のノイズ場に対して最適化するために、構造的類似性指数（SSIM）を指標として用いる。
• 本手法は、1次元および2次元のシミュレーテッドキュービットアレイの両方で実装され、トラップイオン量子プロセッサからの実験的ラムゼイデータを用いて検証された。

実験結果

リサーチクエスチョン

• RQ1 自律的・適応的測定スケジューリングは、量子プロセッサ内の空間的に不均一なノイズ場をマッピングするために必要な測定回数をどの程度削減できるか？
• RQ2 ブルートフォースマッピングと比較して、二層パーティクルフィルタフレームワークはノイズマップの正確性と収束速度をどの程度向上できるか？
• RQ3 粒子ベースの状態推定を通じたセンサービット間の情報共有は、ノイズ場の空間的相関長を効果的に捉えることができるか？
• RQ4 シミュレーションおよび実験において、異なるノイズ場不均一性とシステムサイズの下で、NMQAフレームワークの性能はどの程度スケーリングするか？
• RQ5 リアルタイムで閉ループな量子ファームウェア環境において、測定コストとマップ忠実度の最適なバランスは何か？

主な発見

• 数値シミュレーションでは、ブルートフォースマッピングと比較して、NMQAが必要な測定回数を最大18倍まで削減し、同じ目標誤差指標を達成した。
• 1次元トラップイオンアレイを用いた実験的検証では、NMQAがブルートフォース戦略と比較して測定回数を3倍まで削減した。
• 平均SSIM値が1に非常に近いことから、高忠実度で空間的に不均一な磁場を効果的にマッピングできた。
• 二層パーティクルフィルタにより、センサービット間での効果的な情報共有が可能となり、ノイズ相関長の正確な推定が実現した。
• 適応的コントローラーは、動的に情報利得の高い測定位置を選択し、一様またはランダムな測定スケジューリングを著しく上回る性能を示した。
• 本フレームワークは1次元および2次元キュービットアーキテクチャの両方で頑健であることが示され、中規模量子デバイスへのスケーラビリティの可能性を示した。