[論文レビュー] Cleaner magic states with hook injection

Craig Gidney|arXiv (Cornell University)|Feb 23, 2023

Advanced Data Storage Technologies被引用数 8

ひとこと要約

本論文はホーク注入（hook injection）を提案する。これは表面コードへマジック状態を注入する意図的なフックエラー機構で、XY平面またはYZ平面に限定される。モンテカルロ法により、従来手法より低い注入誤差率とより小さな時空コストを達成することを示す。

ABSTRACT

In this paper, I show how an intentional hook error mechanism can be used as a control knob for injecting magic states into surface codes. The limitation, and benefit, of this approach is that it can only inject states in the XY or YZ plane of the Bloch sphere. This increases fidelity, because perturbations out of the target plane can be detected as errors. I use Monte Carlo sampling to show that this technique outperforms previous injection techniques, achieving lower error rates at smaller spacetime cost under digitized circuit noise.

研究の動機と目的

• Fault-tolerant quantum computationにおける全体的な蒸留コストを低減するための高忠実度マジック状態注入の必要性を動機づける。
• ホーク注入を、距離2の表面コードパッチへマジック状態を注入する、プログラム可能で平面制約付きの手法として提案する。
• シミュレーションとノイズモデルを用いてLi15およびSin+22注入法と比較した改善を示す。
• 注入誤差率、パッチサイズ、ポストセレクション回数とのトレードオフを評価し、実運用展開を導く。

提案手法

• 表面コードの安定化測定中に意図的なフックエラーを用いて論理観測量を回転させ、XY平面（またはYZ平面）における状態を注入する。
• 距離2パッチを中間距離d_injectへと成長させつつ、安定化測定を行い、距離-1および距離-2エラーパスウェイを最小化する特定の量子ビット/軸の割り当てを行う。
• パッチ全体で初期化基底を制限し、ノーオペCZを除去してエーローメカニズムと回路深度を低減する。
• デジタイズドPauliノイズと超伝導を想定したノイズモデル（SI1000）で注入の適合度をモデル化し、検出不能な距離-1および距離-2エラーをカウントして注入誤差率を下界化する。
• 注入誤差率対期待される成功注入あたりの時空コストのParetoフロント分析を通じて、ホーク注入をLi15およびSin+22のバリアントとベンチマークする。
• pregrownホーク注入やd_injectとr_injectのパラメータスイープを含むバリアントを探索し、破棄率が異なる場合の性能をマッピングする。

Figure 1: Defect diagram of the injection process. Red surfaces are X boundaries, blue surfaces are Z boundaries, and magenta bars are twist defects. Attempts are made in parallel at a low distance $d_{\text{inject}}$ , until an attempt succeeds and expands to the target distance $d$ , as in [ Li15

実験結果

リサーチクエスチョン

• RQ1 意図的なフックエラー制御はXYまたはYZ平面内で注入可能なマジック状態の集合にどのような影響を与えるか？
• RQ2 デジタライズノイズ下でホーク注入はLi15およびSin+22より低い注入誤差率と低い時空コストを達成するか？
• RQ3 現実的なノイズモデルの下でパッチサイズ(d_inject)、ポストセレクション回数(r_inject)、破棄率、注入成功の間にどんなトレードオフがあるか？
• RQ4 異なる注入構成はノイズ強度(p)の範囲でどのように性能が変化し、工場導入の実践的な指針は？

主な発見

• ホーク注入は、同等または小さな時空コストで従来法より低い注入誤差率を達成する。
• SI1000ノイズモデル下でp=0.1%、d_inject=5のとき注入誤差率は0.1%未満、破棄率は50%未満；d_inject=7では注入誤差率は0.06%未満、破棄率は75%未満。
• 距離-1および距離-2のエラーメカニズムは注入誤差率に対して硬い下限を課し、例えば|i>では約7p/30、|+>では5p/30程度の条件下で。
• 注入コストフロンティア（Pareto）は、テストされたパラメータ全体でホーク注入がLi15およびZZ注入を上回る。
• pregrownホーク注入はサブ領域でのポストセレクションと良好な誤差率の可能性を示し、トレードオフの改善余地を示唆している。
• 結果はフル回路ノイズを考慮することで、蒸留コストの従来の楽観的推定を変え、相互作用支配モデルのみではないことを示す。

Figure 2: Detector slice diagrams of hook injection with $d_{\text{inject}}=5$ , $r_{\text{inject}}=2$ , $d=7$ . Layers advance in reading order, from left to right then top to bottom. Measurements outlined in teal are predictable from previous measurements, and are used to detect errors. If any of