[論文レビュー] Sequential Bayesian experiment design for adaptive Ramsey sequence measurements

R. D. McMichael, Sergey Dushenko+1 more|arXiv (Cornell University)|May 5, 2021

Quantum Information and Cryptography参考文献 71被引用数 22

ひとこと要約

本稿では、窒素空孔（NV）センターにおける適応的ラマーシー測定のための逐次ベイズ実験設計を提案し、位相蓄積時間τを最適化することで測定効率を向上させる。ベイズ推論を用いて未知パラメータに関する信念を継続的に更新し、情報量の増加を最大化するτ値を選択することで、ヒューリスティック的手法およびランダムプロトコルと比較して測定時間をそれぞれ2倍および4倍短縮する。同時に、計算オーバーヘッドを排除する並列ワークフローを採用している。

ABSTRACT

The Ramsey sequence is a canonical example of a quantum phase measurement for a spin qubit. In Ramsey measurements, the measurement efficiency can be optimized through careful selection of settings for the phase accumulation time setting, $ au$. This paper implements a sequential Bayesian experiment design protocol for the phase accumulation time in low-fidelity Ramsey measurements, and performance is compared to both a previously reported adaptive heuristic protocol and random setting choices. A workflow allowing measurements and design calculations to run concurrently largely eliminates computation time from measurement overhead. When precession frequency is the lone parameter to estimate, the Bayesian design is faster by factors of 2 and 4 relative to the adaptive heuristic and random protocols respectively.

研究の動機と目的

• NVセンターにおける低精度で平均化読み出しを行うラマーシーシーケンスの測定効率を向上させること。
• 光子収率の制限および古典的読み出しノイズのため、パラメータ推定が非効率になるという課題に対処すること。
• 未知パラメータを最適化するための逐次ベイズ実験設計を開発・評価すること。特に、位相蓄積時間τを情報量の増加を最大化するように適応的に選択する。
• 測定速度と正確性の観点から、ベイズ手法と適応的ヒューリスティックおよびランダムプロトコルを比較すること。
• 測定と設計計算を並列に実行することで計算オーバーヘッドが排除され、リアルタイム最適化が可能になることを実証すること。

提案手法

• 各測定エポック後に未知パラメータ（a, c, ω₀, T₂）の事後分布を逐次ベイズ推論で更新する。
• 現在の事後分布の不確実性に基づき、期待される情報量の増加を最大化するτ値を選択するため、意思決定理論を用いる。
• 時間依存のレートλₛ(t)およびλ_b(t)を用いたポアソン分布で信号およびバックグラウンド光子数をモデル化し、移動平均を用いてドリフトを組み込む。
• 背景カウントレートλ_bを共役事前分布（ν = -1）を用いて統合するための尤度関数P(ns|ms, nb, mb, θ)を導出する。これにより、ロバスト性が向上する。
• 測定と設計計算を並列に実行する並列ワークフローを実装し、計算時間を測定オーバーヘッドから実質的に排除する。
• 信号およびバックグラウンドカウントと未知パラメータとの関係を、比モデルR(θ) = a * [1 + c/2 * (1 + cos(ω₀τ)) * exp(-(τ/T₂)²)] で記述する。

実験結果

リサーチクエスチョン

• RQ1 逐次ベイズ実験設計は、ヒューリスティックおよびランダムプロトコルと比較して、低精度ラマーシーシーケンスにおける測定効率をどの程度向上させるか？
• RQ2 測定と設計計算の並列実行は、有効な測定時間およびオーバーヘッドにどのような影響を与えるか？
• RQ3 バックグラウンドカウントの平均化は、ベイズ推論プロトコルの正確性および収束性にどのような影響を与えるか？
• RQ4 他のプロトコルと比較して、ベイズ手法がω₀推定における不確実性をどの程度低減するか？
• RQ5 現実的な実験的制約下でも、ベイズ手法が不確実性のヘイセンベルクスケーリング（σ ∝ 1/T）を達成できるか？

主な発見

• 逐次ベイズ設計により、前進周波数ω₀を推定する際、適応的ヒューリスティックプロトコルと比較して測定時間が2倍短縮された。
• 同じパラメータ推定タスクにおいて、ベイズ手法はランダムプロトコルと比較して測定速度が4倍向上した。
• 測定と設計計算の並列実行により、計算時間が測定オーバーヘッドから実質的に排除され、リアルタイム最適化が可能になった。
• バックグラウンドカウントの平均化により尤度関数の鋭さおよびパラメータの収束性が向上したが、nb ≳10 × nsに達すると利得が飽和し、以降は利得の減少が見られた。
• ベイズプロトコルは真のパラメータ値に数標準偏差の範囲内で収束したが、誤った事前分布（例：ν = 0）を用いると偏りのある推定が生じた。
• 一定のエポックあたりの繰り返し回数を維持した場合、不確実性のヘイセンベルクスケーリング（σ ∝ 1/T）が理論的に達成可能であり、最適スケーリング行動を示した。