[논문 리뷰] Autonomous adaptive noise characterization in quantum computers

Riddhi Swaroop Gupta, Alistair R. Milne외 3명|arXiv (Cornell University)|2019. 04. 15.

Quantum Computing Algorithms and Architecture참고 문헌 48인용 수 5

한 줄 요약

이 논문은 다큐비트 양자 프로세서에서 공간적 노이즈 필드를 효율적으로 매핑하기 위해 지능적으로 센서 큐비트에 측정을 스케줄링하는 두 층의 입자 필터를 사용하는 자율적이고 적응형 학습 프레임워크인 노이즈 매핑을 위한 양자 아키텍처(NMQA)를 소개한다. 이 방법은 브루트 포스 매핑에 비해 시뮬레이션에서 최대 18배, 실험에서 3배의 측정 오버헤드를 줄이며, 더 빠르고 정확한 노이즈 특성 분석을 가능하게 하여 디코herence 완화를 향상시킨다.

ABSTRACT

New quantum computing architectures consider integrating qubits as sensors to provide actionable information useful for decoherence mitigation on neighboring data qubits, but little work has addressed how such schemes may be efficiently implemented in order to maximize information utilization. Techniques from classical estimation and dynamic control, suitably adapted to the strictures of quantum measurement, provide an opportunity to extract augmented hardware performance through automation of low-level characterization and control. In this work, we present an autonomous learning framework, Noise Mapping for Quantum Architectures (NMQA), for adaptive scheduling of sensor-qubit measurements and efficient spatial noise mapping (prior to actuation) across device architectures. Via a two-layer particle filter, NMQA receives binary measurements and determines regions within the architecture that share common noise processes; an adaptive controller then schedules future measurements to reduce map uncertainty. Numerical analysis and experiments on an array of trapped ytterbium ions demonstrate that NMQA outperforms brute-force mapping by up-to $18$x ($3$x) in simulations (experiments), calculated as a reduction in the number of measurements required to map a spatially inhomogeneous magnetic field with a target error metric. As an early adaptation of robotic control to quantum devices, this work opens up exciting new avenues in quantum computer science.

연구 동기 및 목표

• 다큐비트 양자 프로세서에서 공간적으로 비균일한 노이즈 필드를 노이즈 완화 전략을 시행하기 이전에 효율적으로 특성화하는 데 도전하는 것.
• 프로젝션 측정에서의 정보 수득을 극대화하면서 측정 오버헤드를 최소화하는 자율적이고 실시간 프레임워크를 개발하는 것.
• 대상 피드백 제어를 위한 데이터 큐비트에 대한 효과적인 노이즈 상관 길이 추정과 공간 매핑을 지원하기 위한 것.
• 과도한 측정이 요구되고 공간적 노이즈 비균일성을 고려하지 못하는 브루트 포스 노이즈 매핑 전략의 한계를 극복하는 것.
• 스케일이 가능한 자동화된 노이즈 특성 분석을 위한 NISQ 시대의 양자 하드웨어에 고전적 추정 및 제어 기법을 양자 펌웨어에 통합하는 것.

제안 방법

• NMQA는 두 층의 입자 필터 아키텍처를 사용한다: 하나는 공간 노이즈 필드(F_t)를 추적하고, 다른 하나는 측정 결과와 그 불확실성을 추적한다(R_t).
• 이 프레임워크는 두 가지 구성 요소를 가진 계층적 우도 모델을 사용한다: 측정 일관성을 위한 g₁(λ₁, Yₜ⁽ʲ⁾)과 공간 상관관계를 위한 g₂(λ₂, Qₜ)로, 입자 간의 정보 공유를 가능하게 한다.
• 각 시간 단계에서 알고리즘은 우도 기반으로 입자 가중치를 계산하고, 일정한 수의 입자를 유지하기 위해 재표본을 취함으로써 계산 효율성을 확보한다.
• 실시간 적응형 컨트롤러는 정보 유용성을 극대화함으로써 불확실성을 점진적으로 줄이는 다음 측정 위치를 선택한다.
• 지도 정확도 평가 및 지도의 최적화를 위해 지상 진실 노이즈 필드 대비 SSIM(구조적 유사성 지수) 메트릭을 사용한다.
• 이 방법은 1D 및 2D 큐비트 어레이 시뮬레이션과 트랩드 이온 양자 프로세서에서의 실험적 레이저 맵핑 데이터를 기반으로 구현 및 검증되었다.

실험 결과

연구 질문

• RQ1 자율적이고 적응형 측정 스케줄링은 양자 프로세서에서 공간적으로 비균일한 노이즈 필드를 매핑하기 위해 필요한 측정 수를 얼마나 줄일 수 있는가?
• RQ2 브루트 포스 매핑에 비해 두 층의 입자 필터링 프레임워크는 노이즈 지도 정확도와 수렴 속도를 얼마나 향상시킬 수 있는가?
• RQ3 입자 기반 상태 추정을 통한 센서 큐비트 간의 정보 공유가 노이즈 필드의 공간 상관 길이를 효과적으로 포착할 수 있는가?
• RQ4 시뮬레이션과 실험 모두에서 NMQA 프레임워크의 성능은 다양한 노이즈 필드 비균일성과 시스템 크기에서 어떻게 스케일링되는가?
• RQ5 실시간이고 클로즈드 루프 양자 펌웨어 환경에서 측정 비용과 지도 품질 사이의 최적 균형은 무엇인가?

주요 결과

• 수치 시뮬레이션에서 NMQA는 브루트 포스 매핑에 비해 필요한 측정 수를 최대 18배까지 줄였으며, 동일한 목표 오차 지표를 달성했다.
• 트랩드 이온 1D 어레이에서의 실험적 검증 결과, NMQA는 브루트 포스 전략 대비 측정 횟수를 3배 줄였다.
• 평균 SSIM 값이 1에 가까운 것으로 측정된 바, 알고리즘이 높은 정밀도로 공간적으로 비균일한 자기장 필드를 성공적으로 매핑했다.
• 두 층의 입자 필터는 센서 큐비트 간 효과적인 정보 공유를 가능하게 하여 노이즈 상관 길이의 정확한 추정을 가능하게 하였다.
• 적응형 컨트롤러는 높은 유용성 측정 위치를 동적으로 선택하여 균일하거나 무작위 측정 스케줄링에 비해 훨씬 뛰어난 성능을 보였다.
• 이 프레임워크는 1D 및 2D 큐비트 아키텍처 모두에서 뛰어난 강건성을 보이며, 중규모 양자 장치에 대한 확장 가능성 잠재력을 보여주었다.