[논문 리뷰] Hardware-efficient random circuits to classify noise in a multi-qubit system

Jin-Sung Kim, Lev S. Bishop외 4명|arXiv (Cornell University)|2021. 04. 20.

Quantum Information and Cryptography참고 문헌 42인용 수 7

한 줄 요약

이 논문은 하드웨어 효율적인 랜덤 회로와 바인딩된 출력 생성(BOG)을 조합하여 다큐비트 초전도 양자 프로세서에서 응집성 및 비응집성 노이즈를 분류한다. 측정 결과를 재바인딩하여 응집성 오류를 분리함으로써, Z형 노이즈를 주입함으로써 응집성 오류 비율은 변화시키지만 비응집성 노이즈는 그대로 두는 방식으로 실험적으로 검증되었으며, 표준 랜덤라이즈드 래핑(RB)이 다루기 어려운 영역을 초월해 강건하고 확장 가능한 노이즈 식별이 가능하다.

ABSTRACT

In this work we extend a multi-qubit benchmarking technique known as the Binned Output Generation (BOG) in order to discriminate between coherent and incoherent noise sources in the multi-qubit regime. While methods exist to discriminate coherent from incoherent noise at the single and few-qubit level, these methods scale poorly beyond a few qubits or must make assumptions about the form of the noise. On the other end of the spectrum, system-level benchmarking techniques exist, but fail to discriminate between coherent and incoherent noise sources. We experimentally verify the BOG against Randomized Benchmarking (RB) (the industry standard benchmarking technique) in the two-qubit regime, then apply this technique to a six qubit linear chain, a regime currently inaccessible to RB. In this experiment we inject an instantaneous coherent Z-type noise on each qubit and demonstrate that the measured coherent noise scales correctly with the magnitude of the injected noise, while the measured incoherent noise remains unchanged as expected. This demonstrates a robust technique to measure coherent errors in a variety of hardware.

연구 동기 및 목표

• 다큐비트 양자 시스템에서 응집성 및 비응집성 노이즈를 구분하는 확장 가능한 방법의 부족을 해결하기 위해.
• 표준 랜덤라이즈드 래핑(RB)이 클리포드 깊이 스케일링으로 인해 몇 큐비트 이하에서 실용적이지 않게 되는 한계를 넘어서 노이즈 특성 분석을 확장하기 위해.
• 상태 준비 및 측정(스팸) 오차에 대해 강건하면서도 세밀한 노이즈 원천 식별이 가능한 기법을 개발하기 위해.
• 두 큐비트 및 여섯 큐비트 영역에서 실험적으로 방법을 검증하여 제어된 주입 조건 하에서 응집성 노이즈의 정확한 탐지를 보여주기 위해.
• 기존의 단일 또는 이중 큐비트 기반 래핑으로는 드러나지 않았던 다큐비트 오류 원천을 탐지할 수 있음을 보여주기 위해.

제안 방법

• 완전한 n-큐비트 클리포드 연산이 필요 없도록, 기본 큐비트 연결성과 게이트 세트를 활용하는 하드웨어 효율적인 랜덤 회로를 설계한다.
• 측정 결과를 회로 구조 및 측정 통계에 기반해 바인딩하는 방법인 바인딩된 출력 생성(BOG)을 구현한다.
• 동일한 실험 데이터에 대해 두 가지 다른 바인딩 전략을 적용: 하나는 응집성 노이즈에 민감하고, 다른 하나는 비응집성 노이즈에 민감하다.
• 다른 바인딩 전략 간의 비교를 통해 재바인딩을 통해 비응집성 노이즈를 고립하고 정량화함으로써 노이즈 유형 식별을 가능하게 한다.
• 여섯 큐비트 시스템에 제어된 응집성 Z형 노이즈를 주입하여 측정된 응집성 오류가 주입된 노이즈 크기와 선형적으로 증가함을 검증한다.
• 비응집성 오류 추정의 일관성을 검증하기 위해 순수성 랜덤라이즈드 래핑(purity RB) 결과와 비교한다.

실험 결과

연구 질문

• RQ1 하드웨어 효율적인 랜덤 회로와 함께 BOG를 사용하여, 몇 큐비트 이하의 범위를 초월한 다큐비트 시스템에서 응집성과 비응집성 노이즈를 구분할 수 있는가?
• RQ2 응집성 노이즈 변화에 대해 강건하게 유지되면서도 비응집성 노이즈 측정은 그대로 유지되는가?
• RQ3 여섯 큐비트 시스템에서 주입된 응집성 Z형 노이즈에 따라 측정된 응집성 오류 비율은 어떻게 변화하는가?
• RQ4 이 기법은 이중 큐비트 래핑에서 드러나지 않는 추가적인 오류 원천을 탐지할 수 있는가?
• RQ5 재바인딩을 통해 추출된 비응집성 오류 비율은 순수성 RB 측정 결과와 일치하는가?

주요 결과

• 두 큐비트 영역에서 BOG를 통해 추출한 CNOT 오류 비율은 同시 다이큐비트 랜덤라이즈드 래핑 결과와 일치하여, 방법의 정확성을 검증한다.
• 여섯 큐비트 선형 체인에서 BOG를 통해 추출한 평균 CNOT 오류 비율은 두 큐비트 경우보다 略로 높았으며, 이는 이전에 드러나지 않았던 다큐비트 오류를 시사한다.
• 응집성 Z형 노이즈 소스를 주입했을 때, 측정된 응집성 오류 비율은 주입된 노이즈 크기와 선형적으로 증가함을 확인하여 응집성 오류에 대한 민감도를 입증한다.
• 응집성 노이즈 주입 중 비응집성 노이즈 비율은 일정하게 유지되었으며, 이는 재바인딩이 비응집성 노이즈를 효과적으로 고립함을 보여준다.
• 재바인딩을 통해 추출한 평균 비응집성 오류 비율은 순수성 RB 측정 결과와 잘 일치하여, 방법의 일관성을 검증한다.
• 표준 RB가 클리포드 깊이 제약으로 인해 접근이 어려운 여섯 큐비트 시스템에서도 이 기법은 응집성과 비응집성 노이즈를 성공적으로 식별하였다.