[論文レビュー] Enabling large-scale digital quantum simulations with superconducting qubits

Laurin E. Fischer|arXiv (Cornell University)|Feb 4, 2026

Quantum Computing Algorithms and Architecture被引用数 0

ひとこと要約

この論文はノイズのあるデバイス上でのデジタル量子シミュレーションを推進するため、クディットベースの超伝導ハードウェア、最適化された測定処理、および誤り緩和技術を開発し、IBM Quantumハードウェア上での実演を行う。

ABSTRACT

Quantum computing promises to revolutionize several scientific and technological domains through fundamentally new ways of processing information. Among its most compelling applications is digital quantum simulation, where quantum computers are used to replicate the behavior of other quantum systems. This could enable the study of problems that are otherwise intractable on classical computers, transforming fields such as quantum chemistry, condensed matter physics, and materials science. Despite this potential, realizations of practical quantum advantage for relevant problems are hindered by imperfections of current devices. This also affects quantum hardware based on superconducting circuits which is among the most advanced and scalable platforms. The envisaged long-term solution of fault-tolerant quantum computers that correct their own errors remains out of reach mainly due to the associated qubit number overhead. As a result, the field has developed strategies that combine quantum and classical resources, exploit hardware-native operations, and employ error mitigation techniques to extract meaningful results from noisy data. This doctoral thesis contributes to this broader effort by exploring methods for advancing quantum simulation across the full computational stack, including hardware-level innovations, refined techniques for noise modeling and error mitigation, and algorithmic improvements enabled by efficient measurement processing.

研究の動機と目的

• ノイズのある超伝導ハードウェア、特に超伝導キュービット上で量子シミュレーションを前進させる動機と対応策を提示する。
• デジタルシミュレーションのための量子リソース効率を最大化するハードウェアとソフトウェアスタックを開発する。
• 情報完備測定とクディットベースのアプローチを探索し、回路合成と測定処理を改善する。
• IC測定と学習されたノイズモデルを活用した誤り緩和戦略を実機ハードウェアで実証する。
• 実用的なノイズ条件下でスケーラブルでフォールトトレラントに近い量子シミュレーションに関する洞察を提供する。

提案手法

• 超伝導トランソン回路を用いた全クディット基盤の量子計算フレームワークを開発する。
• 情報完備測定を可能にする普遍的なクディットゲートセットを実装する。
• IC測定を用いた古典的な量子データ処理を高度化し、推定量の分散を低減する。
• ICベースの誤り緩和とノイズ学習スキームを適用し、デバイスノイズモデルの不整合を除去する。
• IBM Quantumハードウェア上での2つの誤り緩和技術を実証する：基底状態推定の並列部分空間展開と多体動力学のテンソルネットワークベース緩和。
• 正確なノイズチャネルモデルに依存し、それらを学習して補正のバイアスと分散の両方を改善するテンソルネットワークベースの緩和パイプラインを提供する。

実験結果

リサーチクエスチョン

• RQ1 クディットベース計算を超伝導トランソンで行うことは、量子シミュレーションのリソース効率をどう改善できるか？
• RQ2 情報完備測定と高度な処理を組み合わせることで、ノイズのある量子計算における分散を減らし、推定量の品質を向上させることができるか？
• RQ3 超伝導ハードウェア上でより多くのキュービット数やより複雑なダイナミクスへスケールする効果的な誤り緩和戦略は何か？
• RQ4 学習されたノイズモデルはノイズモデルベースの緩和手法のバイアスを排除するのにどの程度有効か？
• RQ5 これらの技術が現在のハードウェアでの基底状態推定と多体ダイナミクスシミュレーションに実用的な影響を与えるか？

主な発見

• トランスモン回路を用いたクディット基盤の量子計算フレームワークが、ユニバーサルゲートセットとIC測定を可能にする。
• IC測定を用いた後処理で観測子推定量の分散を低減し、追加の量子資源を使わずに量子アルゴリズムの効率を向上させる方法。
• IBM Quantumハードウェア上で実証された2つのICベース誤り緩和技術：基底状態推定の並列化された部分空間展開と多体ダイナミクスのテンソルネットワークパイプライン。
• ノイズモデルの不整合を訂正する新しいノイズ学習スキームにより、ノイズモデルベース緩和のバイアスと分散の両方を改善。
• ノイズ下でもデジタル量子シミュレーションを前進させることができ、ゲージ一貫性のあるアプローチがフォールトトレラント量子計算へ向けた戦略を示唆する。