[論文レビュー] Introduction to Quantum Gate Set Tomography

Daniel Greenbaum|arXiv (Cornell University)|Sep 9, 2015

Quantum Computing Algorithms and Architecture参考文献 7被引用数 97

ひとこと要約

この論文は、状態準備および測定（SPAM）誤差が存在する状況においても、量子ゲート、状態準備、測定誤差を同時に推定することで、量子ゲートを堅牢に特徴付ける手法として、量子ゲートセットトモグラフィ（GST）を導入している。量子過程トモグラフィ（QPT）の限界を克服し、故障耐性量子計算の文脈でQPTを上回る優位性を示している。GSTは線形逆問題と最尤推定を用い、高精度で自己整合的なゲート特徴付けを実現する。

ABSTRACT

Quantum gate set tomography (GST) has emerged as a promising method for the full characterization of quantum logic gates. In contrast to quantum process tomography (QPT), GST self-consistently and correctly accounts for state preparation and measurement (SPAM) errors. It therefore provides significantly more accurate estimates than QPT as gate fidelities increase into the fault-tolerant regime. We give a detailed review of GST and provide a self-contained guide to its implementation. The method is presented in a step-by-step fashion and relevant mathematical background material is included. Our goal is to demonstrate the utility of GST as both an accurate characterization technique and a simple and effective diagnostic tool. As an illustration, we compare the output of GST and QPT using simulated example data for a single qubit. In agreement with the original literature, we find that coherent errors are poorly estimated by QPT near quantum error correction thresholds, while GST is accurate in this regime.

研究の動機と目的

• 量子誤り訂正（QEC）の閾値を満たすために、ゲート品質の正確でプラットフォームに依存しない指標の必要性に対応する。
• 状態準備および測定（SPAM）誤差、特にゲート誤差が減少しても残存する内在的SPAM誤差の影響を受けると崩壊する、量子過程トモグラフィ（QPT）の根本的限界を克服する。
• ゲート、SPAM操作、およびそれらの誤差を同時に推定する自己整合的な特徴付けフレームワークを構築し、状態準備や測定が完全であると仮定しない。
• 系統的誤差やサンプリングノイズを含む現実的な誤差条件下でも、量子ゲートの信頼性の高い診断と性能評価を可能にする。
• 単一および複数キュービットのゲートセットトモグラフィの実装可能なフレームワークを提供し、データ処理、最適化、誤差推定に関するガイダンスを提供する。

提案手法

• 物理的制約を半定値プログラミングで強制することで、スーパーオペレーターおよびパウリ転送行列（PTM）表現を用いて、量子操作を形式化する。
• 線形逆問題GSTを実装し、グラム行列とA/B行列を用いて、実験データからゲートセットパラメータを解き、その後、パrameterizationの冗長性を解消するためのゲージ最適化を実施する。
• 物理的制約を強制し、精度を向上させるために、プロセス行列またはPTMを変数とする非線形最適化問題を解く最尤推定（MLE）を適用する。
• 1次元凸ソルバーを用いることで、標準的な半定値プログラミングに比べて実行時間を短縮し、MLEの計算を効率化する。
• 非マルコフ的ノイズの検出とサンプリング誤差の低減を目的に、ゲートセットにゲート繰り返しを組み込むことで、統計的フラクチュエーションに対する耐性を高める。
• 誤差の伝播、バイアス、ブートストラップリサンプリングによる不確実性推定の妥当性を調査するために、合成データセットのモンテカルロシミュレーションを提案する。

実験結果

リサーチクエスチョン

• RQ1 状態準備および測定（SPAM）誤差が顕著で、ゲート誤差と相関している場合、どのようにして高精度な量子ゲートセットを特徴付けられるか？
• RQ2 内在的SPAM誤差が大きいと、標準的な量子過程トモグラフィ（QPT）がなぜ信頼性の低いゲートフィデリティ推定を行うのか、そしてその問題をどのように克服できるか？
• RQ3 故障耐性閾値付近の現実的な条件下で、ゲートセットトモグラフィ（GST）がQPTをどれほど上回るか、特にゲート誤差の診断とフィデリティ推定の観点から。
• RQ4 真のゲートセットが理想的に近い（物理的領域の境界上）場合、GSTにおける最尤推定は信頼できるか、またその場合、統計的誤差推定にどのような影響を与えるか？
• RQ5 物理的制約によるバイアスが既知である場合、ブートストラップリサンプリングがGST推定の不確実性推定に有効であると見なせるか？

主な発見

• SPAM誤差、特に内在的SPAM誤差が顕著な状況では、GSTがQPTを上回る。ゲート誤差が減少してもQPTの精度は劣化する。
• 表面コードの閾値（約10⁻³）付近のゲート誤差率では、GSTは不確実性が10⁻⁴未満でゲートフィデリティを推定でき、故障耐性量子計算の厳しい要件を満たす。
• 物理的制約のため、GSTにおける最尤推定はバイアスを有する。特にゲートが理想的に近い場合に顕著で、標準的な漸近的正規性仮定による誤差推定は無効になる。
• バイアスのため、ブートストラップはGSTでは信頼性が低く、不確実性とバイアスを評価するための代替手法として、合成データのモンテカルロシミュレーションが不可欠である。
• GSTプロトコルにゲート繰り返しを組み込むことで、サンプリングノイズに対する耐性が向上し、非マルコフ的ダイナミクスの検出が可能になる。
• 1次元凸ソルバーを用いることで、標準的な半定値プログラミングに比べ、MLEの計算が著しく高速化され、大規模な実装において実用的になる。