[論文レビュー] Physical qubit calibration on a directed acyclic graph

J. Kelly, P. O’Malley+3 more|arXiv (Cornell University)|Mar 8, 2018

Quantum and electron transport phenomena被引用数 19

ひとこと要約

この論文では、量子キュービットのキャリブレーションを有向無閉路グラフ（DAG）としてモデル化することで、キャリブレーションワークフローの自動化と最適化を実現する Optimus フレームワークを紹介する。キャリブレーションを相互に依存するノードとして構造化することにより、前向きおよび後向きのキャリブレーションにおける効率的なグラフ走査が可能になり、重複する実験を削減し、マルチキュービット量子プロセッサのスケーラブルで自律的な運用を実現する。

ABSTRACT

High-fidelity control of qubits requires precisely tuned control parameters. Typically, these parameters are found through a series of bootstrapped calibration experiments which successively acquire more accurate information about a physical qubit. However, optimal parameters are typically different between devices and can also drift in time, which begets the need for an efficient calibration strategy. Here, we introduce a framework to understand the relationship between calibrations as a directed graph. With this approach, calibration is reduced to a graph traversal problem that is automatable and extensible.

研究の動機と目的

• 量子プロセッサにおける物理的キュービットの効率的キャリブレーションに取り組むこと。制御パラメータはデバイス固有であり、時間経過とともに変動しやすい。
• 手動で順次実施されるキャリブレーションワークフローを置き換え、動的かつ依存関係をたどれるように設計された自動化可能で拡張可能なフレームワークを提供すること。
• キャリブレーションをDAGとしてモデル化し、知的なグラフ走査戦略を用いることで、キャリブレーション時間と実験的オーバーヘッドを削減すること。
• パラメータの変動、エラー、システム再構成に対しても、モジュラーな状態確認と診断手順により、堅牢に耐性を持つこと。

提案手法

• 各ノードが定義されたパラメータ、スキャン、分析関数を持つキャリブレーション（cal）を表す有向無閉路グラフ（DAG）としてキャリブレーション手順をモデル化する。
• 3つのコア動作モードを定義する：'maintain'（パラメータの検証と更新）、'diagnose'（システム状態と知識の不一致の特定と是正）、'check_state'（依存関係に基づいたシステム状態の検証）。
• 重複する実験を最小限に抑えるために、グラフ走査アルゴリズムを用いる：最も低レベルの不適合ノードから走査を開始し、上位の依存関係への不要な調整を回避する。
• 循環的依存関係を処理するためのレイヤードアプローチを採用し、精度の段階（例：粗い、中程度、精密）に分解することで、反復的収束を可能にする。
• 予期しない不一致（例：依存関係が正常でもノードが失敗する）が生じた場合に、DiagnoseError を介してエラー処理を統合する。
• マルチキュービットキャリブレーションにフレームワークを拡張し、構成するキュービットのいずれかが失敗した場合に、マルチキュービットノードの check_state が失敗するようにすることで、システム全体の整合性を保つ。

実験結果

リサーチクエスチョン

• RQ1 量子プロセッサにおけるキャリブレーションワークフローは、重複する実験を最小限に抑えつつ、前向きおよび後向きの走査を可能にするために、どのようにモデル化できるか？
• RQ2 どのようなグラフベースの構造が、パラメータの変動が生じるマルチキュービットシステムのスケーラブルかつ自律的なキャリブレーションを可能にするか？
• RQ3 期待される動作と実際の動作に差異が生じた場合、システム状態の知識を動的に検証・是正するにはどうすればよいか？
• RQ4 パラメータの変動やシステム再構成が生じる状況下で、キャリブレーション時間と実験的オーバーヘッドを削減する戦略は何か？
• RQ5 収束性を損なわず、複雑性を増さずに、キャリブレーション間の循環的依存関係をどのように解消できるか？

主な発見

• DAGベースのキャリブレーションフレームワークにより、知的なグラフ走査によって必要な実験回数を削減し、効率的で自動化されたキャリブレーションが可能になった。
• 'maintain' および 'diagnose' モードにより、システムはパラメータの変動やデータの不一致に、キャリブレーションシーケンスの最初から再起動することなく動的に反応できるようになった。
• 不適合の最も低レベルのノードから走査を開始することで、上位の依存関係に対する不要な作業を最小限に抑えることができた。
• 循環的依存関係は、精度の段階に分解することで解消可能であり、非循環性を損なわず、反復的収束を可能にする。
• 依存関係のチェックを強制することで、システム全体の整合性を保つことにより、フレームワークはマルチキュービットキャリブレーションを効果的にサポートした。
• 本システムは実稼働環境で導入され、マルチキュービット量子プロセッサのキャリブレーションを自動化するのに成功し、実世界の運用におけるスケーラビリティと頑健性を実証した。