[論文レビュー] Scalable extraction of error models from the output of error detection circuits

Austin G. Fowler, D. Sank+3 more|arXiv (Cornell University)|May 6, 2014

Quantum Computing Algorithms and Architecture参考文献 1被引用数 7

ひとこと要約

本稿では、大規模な量子プロセッサにおける継続的に稼働するエラー検出回路の出力から、スケーラブルでリアルタイムな確率的エラー・モデルを直接抽出する手法を提示する。繰り返しコードやサーフェスコードにおける検出イベントのパターンを分析することで、最小限の古典的後処理で大規模な量子エラー訂正性能を高精度に予測可能であり、量子ビット数に依存せず1秒未塔で1%未満のエラー・モデル精度を達成する。

ABSTRACT

Accurate methods of assessing the performance of quantum gates are extremely important. Quantum process tomography and randomized benchmarking are the current favored methods. Quantum process tomography gives detailed information, but significant approximations must be made to reduce this information to a form quantum error correction simulations can use. Randomized benchmarking typically outputs just a single number, the fidelity, giving no information on the structure of errors during the gate. Neither method is optimized to assess gate performance within an error detection circuit, where gates will be actually used in a large-scale quantum computer. Specifically, the important issues of error composition and error propagation lie outside the scope of both methods. We present a fast, simple, and scalable method of obtaining exactly the information required to perform effective quantum error correction from the output of continuously running error detection circuits, enabling accurate prediction of large-scale behavior.

研究の動機と目的

• 大規模な量子プロセッサにおける量子エラー訂正シミュレーションに特化した、スケーラブルで高精度なエラー特徴化手法の不足を解消すること。
• 量子プロセストモグラフィーとランダム化ベンチマークイングの限界を克服し、エラー検出回路におけるエラーの組成と伝播を捉えること。
• エラー検出サイクルの実験データから、QEC最適化エラー・モデルを直接的・リアルタイムに抽出できること。
• システムサイズに応じて効率的にスケーリングされ、量子ハードウェア性能の動的モニタリングを可能にすること。
• シミュレートされたと観測された論理的エラー率の比較により、空間的または時間的相関を持つエラーを実験的に検出できること。

提案手法

• 繰り返しエラー検出回路（例：繰り返しコードやサーフェスコード）からの検出イベントのパターンを分析する。
• ある符号（例：X-符号）の検出イベントの条件付き確率を、別の符号（例：Z-符号）の観測イベントに基づいて抽出し、エラー相関をモデル化する。
• 符号の構造を活用して、完全なプロセスタモグラフィーや広範なランダム化ベンチマークイングのシーケンスを必要とせず、孤立した検出イベントのパターンから確率的エラー・モデルを構築する。
• 古典的後処理は最小限であり、システムサイズに依存せず定数コストに並列化可能である。
• 超伝導量子ビットを用いた応用において、1ラウンドあたり約500ナノ秒の周期でエラー検出回路の測定結果をモニタリングすることで実装されている。

実験結果

リサーチクエスチョン

• RQ1 大規模な量子エラー訂正のためのエラー・モデルを、エラー検出回路の出力から直接的かつスケーラブルに抽出できるか？
• RQ2 エラーの組成と伝播効果をどのように捉えることで、論理的エラー率の高精度な予測が可能になるか？
• RQ3 シミュレートされたと観測された検出パターンの比較により、空間的または時間的相関を持つエラーを実験的に検出できるか？
• RQ4 最小限の古典的後処理と定数時間計算量で、高精度なエラー・モデル抽出が可能か？
• RQ5 この手法は、大規模な量子コンピュータの稼働中にリアルタイムに利用可能か？

主な発見

• 本手法により、量子ビット数に依存せず1秒未塔で1%未塔の精度でQEC最適化エラー・モデルを抽出可能である。
• 繰り返しコードにおける検出イベントのパターンから導出されたエラー・モデルは、サーフェスコードの論理的エラー率を高精度に予測できる。
• 過剰な相関検出イベントパターン（例：時間的ストリング）は、故障した初期化ゲートなどの特定のエラー源を同定するのに利用できる。
• 本手法により、シミュレートされたと観測された論理的エラー率の比較を通じて、危険な空間的または時間的相関エラーを直接実験的に評価可能である。
• 古典的後処理は単純であり、システムサイズに依存せず定数コストに並列化可能であり、本手法は非常にスケーラブルである。
• 本手法は、トップロジカルクラスタ状態やサーフェスコードを含む、Autotuneが処理可能な任意のエラー検出回路に適用可能であり、超伝導量子ビットプラットフォームとも互換性がある。