[論文レビュー] Robust Extraction of Tomographic Information via Randomized Benchmarking

Shelby Kimmel, Marcus P. da Silva+3 more|DSpace@MIT (Massachusetts Institute of Technology)|Jun 10, 2013

Quantum Information and Cryptography参考文献 5被引用数 25

ひとこと要約

本論文は、ランダム化ベンチマーク（RB）を用いて、任意のトレース保存量子マップのユニタリ部分をロバストに抽出する手法を提示する。これにより、状態準備、測定、ゲート制御に不備がある場合でも、ユニタリおよびランダムユニタリ操作の正確な特徴付けが可能になる。このアプローチは、クリフォード群マップを活用して量子過程の主要パラメータを再構成し、サンプリングおよび時間計算量の厳密な上限を提供することで、誤り耐性量子計算に不可欠な非クリフォードユニタリへの平均fidelityの効率的かつ信頼性の高い推定を保証する。

ABSTRACT

We describe how randomized benchmarking can be used to reconstruct the unital part of any trace-preserving quantum map, which in turn is sufficient for the full characterization of any unitary evolution, or more generally, any unital trace-preserving evolution. This approach inherits randomized benchmarking's robustness to preparation, measurement, and gate imperfections, therefore avoiding systematic errors caused by these imperfections. We also extend these techniques to efficiently estimate the average fidelity of a quantum map to unitary maps outside of the Clifford group. The unitaries we consider correspond to large circuits commonly used as building blocks to achieve scalable, universal, and fault-tolerant quantum computation. Hence, we can efficiently verify all such subcomponents of a circuit-based universal quantum computer. In addition, we rigorously bound the time and sampling complexities of randomized benchmarking procedures, proving that the required non-linear estimation problem can be solved efficiently.

研究の動機と目的

• 不完全な状態準備および測定によって引き起こされる量子過程トモグラフィの系統的誤差を克服すること。
• ユニタリおよびランダムユニタリダイナミクスに不可欠なパラメータを捉える、任意のトレース保存量子マップのユニタリ部分のロバストな再構成を可能にすること。
• 誤り耐性量子計算に重要な非クリフォードユニタリへの平均fidelityを、効率的かつ信頼性高く推定できるようにランダム化ベンチマークを拡張すること。
• RBに基づく推定手順のサンプリングおよび時間計算量の厳密な上限を導出し、効率性と信頼性を保証すること。
• ゲート、準備、測定の誤差に対してロバストでありながら、高精度な特徴付けを維持するフレームワークを提供すること。

提案手法

• クリフォード群マップが量子操作のユニタリ部分空間を張ることを活用し、任意のトレース保存量子マップのユニタリ部分を抽出するランダム化ベンチマークプロトコルを用いる。
• 非クリフォードユニタリを表現・推定するためにクリフォード群マップの線形結合を採用し、普遍的量子ゲートの効率的特徴付けを可能にする。
• RB減衰データに非線形推定手順を適用し、集中不等式を用いて誤差伝播および信頼区間の厳密な上限を導出する。
• 2段階推定戦略を採用：まず、振幅パラメータ $ A_0 $ をバーチャルなベースラインfidelity差として推定し、次にこれを用いて誤差を制御した状態でターゲットパラメータ $ p $ を推定する。
• 信頼区間を $ O(1/\tilde{\rho}^4 \log(1/\delta)) $ のサンプル数で導出し、高い確率で精度を保証する。
• 小さい $ \epsilon $ の場合に $ \widetilde{p} $ のテイラー展開に基づく近似を導入し、$ \epsilon' $ が有界な条件下で一次誤差制御を可能にする。

実験結果

リサーチクエスチョン

• RQ1 不完全な操作が存在する状況下でも、ランダム化ベンチマークを拡張して任意のトレース保存量子マップのユニタリ部分をロバストに再構成できるか？
• RQ2 実験的誤差が存在する中で、量子マップの非クリフォードユニタリへの平均fidelityを、どのように効率的かつ信頼性高く推定できるか？
• RQ3 このRBベースのアプローチを用いたfidelity推定において、所望の精度および信頼水準を達成するために必要な最小サンプル数は何か？
• RQ4 クリフォード群操作およびその線形結合のみを用いて、量子マップのユニタリ部分空間を完全に特徴付けられるか？
• RQ5 このRBベースのトモグラフィフレームワークにおける誤差伝播および推定精度の厳密な上限は何か？

主な発見

• 任意のトレース保存量子マップのユニタリ部分は、ランダム化ベンチマークを用いてロバストに再構成可能であり、状態準備、測定、ゲート制御の系統的誤差を回避できる。
• 本手法により、誤り耐性量子計算に用いられる非クリフォードユニタリへの平均fidelityが、$ O(1/\epsilon^4 \log(1/\delta)) $ のサンプル数で効率的に推定可能であり、$ \epsilon $-精度および $ 1-\delta $ の信頼水準を満たす。
• 大きな $ p $ を用いた別個のRBシーケンスにより、振幅パラメータ $ A_0 $ の下限が導出され、最終推定値の安定した信頼区間が保証される。
• 誤差伝播の一次誤差境界がテイラー展開により得られ、$ \epsilon' = 4\epsilon^2 a $ の場合に $ \widetilde{p} \in [p - \epsilon - O(\epsilon^2), p + \epsilon + O(\epsilon^2)] $ が高確率で成立する。
• 理論的境界により、RBにおける非線形推定問題が効率的に解けることが確認され、サンプリングおよび誤差伝播の両方を厳密に制御可能である。
• ランダム化操作の不完全性に対してもフレームワークはロバストであり、振幅およびターゲットパラメータ推定の両方について、明示的な誤差伝播境界が導出されている。