[논문 리뷰] Magic state cultivation: growing T states as cheap as CNOT gates

Craig Gidney, Noah Shutty외 1명|arXiv (Cornell University)|2024. 09. 26.

Economic and Technological Innovation인용 수 4

한 줄 요약

이 논문은 표면 코드 패치를 사용하여 고정밀도 T 상태를 준비하기 위한 고장내성 방법인 '마법 상태 양성'을 소개한다. 이 방법은 단일 CNOT 게이트와 유사한 시공간 비용을 가지며, 반복적인 주입, 성장, 추출을 통해 안정자 측정과 오류 억제를 통해 논리적 오류율을 최대 $4 \cdot 10^{-11}$까지 낮춘다. 이는 이전의 정련 방법 대비 자원 비용을 한 단계 낮춘다.

ABSTRACT

We refine ideas from Knill 1996, Jones 2016, Chamberland 2020, Gidney 2023+2024, Bombin 2024, and Hirano 2024 to efficiently prepare good $|T angle$ states. We call our construction "magic state cultivation" because it gradually grows the size and reliability of one state. Cultivation fits inside a surface code patch and uses roughly the same number of physical gates as a lattice surgery CNOT gate of equivalent reliability. We estimate the infidelity of cultivation (from injection to idling at distance 15) using a mix of state vector simulation, stabilizer simulation, error enumeration, and Monte Carlo sampling. Compared to prior work, cultivation uses an order of magnitude fewer qubit-rounds to reach logical error rates as low as $2 \cdot 10^{-9}$ when subjected to $10^{-3}$ uniform depolarizing circuit noise. Halving the circuit noise to $5 \cdot 10^{-4}$ improves the achievable logical error rate to $4 \cdot 10^{-11}$. Cultivation's efficiency and strong response to improvements in physical noise suggest that further magic state distillation may never be needed in practice.

연구 동기 및 목표

• 표면 코드에서 논리적 T 상태를 준비하는 데 드는 자원 비용을 줄이기 위해.
• 현재 고장내성 아키텍처에서 비클리프포드 게이트의 비용을 지배하는 마법 상태 정련의 높은 오버헤드를 해결하기 위해.
• 큰 논리적 연산을 피하고 단일 코드 패치 내의 물리적 게이트 시퀀스를 사용하는 가용성 있고 확장 가능한 방법을 개발하기 위해.
• 양성 기반 접근 방식이 레이스처 수술 CNOT 게이트의 효율성과 맞먹거나 초월할 수 있으며, 물리적 노이즈 향상에 매우 민감하게 반응할 수 있음을 보여주기 위해.
• 마법 상태 정련이 실질적으로 쇠퇴할 수 있는지 탐색하기 위해.

제안 방법

• 이 방법은 세 단계 과정을 사용한다: 표면 코드에 노이즈가 있는 T 상태 주입, 반복적인 안정자 측정과 오류 억제를 통한 양성, 그리고 후선택 프로토콜을 통한 논리적 T 상태 추출.
• 양성은 상태 진화 중 오류를 탐지하고 수정할 수 있는 표면 코드의 능력을 활용하며, 논리적 CNOT 및 측정 연산의 시퀀스를 사용해 상태의 논리적 거리 증가를 유도한다.
• 구성은 상태 벡터 시뮬레이션, 안정자 시뮬레이션, 오류 수 나열, 몬테카를로 샘플링을 조합한 하이브리드 시뮬레이션 접근 방식을 사용하여 논리적 오류율을 추정한다.
• 추출 단계는 GHZ 상태 지원 측정 프로토콜을 사용해 논리적 T 상태를 검증하고 추출하며, 품질 확보를 위해 후선택을 수행한다.
• 이 방법은 단일 표면 코드 패치에 맞추어 설계되었으며, 유사한 신뢰성의 레이스처 수술 CNOT 게이트와 비슷한 물리적 게이트 수를 사용한다.
• 프레임워크는 디지털화된 디폴라라이징 노이즈 모델을 가정하고, 오류 전파를 단계 간 추적하기 위해 고장내성 디코더를 사용한다.

실험 결과

연구 질문

• RQ1 표면 코드에서 CNOT 게이트와 유사한 시공간 비용으로 T 상태 준비가 가능한가?
• RQ2 상태 진화 중 오류 억제가 전체 정련 프로토콜의 필요성을 얼마나 줄일 수 있는가?
• RQ3 양성 기반 접근 방식에서 논리적 오류율은 물리적 노이즈 강도와 코드 거리에 따라 어떻게 스케일링되는가?
• RQ4 양성 방법이 큐비트·라운드와 자원 효율성 측면에서 기존 정련 방식을 능가할 수 있는가?
• RQ5 마법 상태 정련이 실질적으로 쇠퇴할 수 있는 실질적 임계값은 무엇인가? 이는 양성의 효율성과 노이즈 민감성 때문일 수 있다.

주요 결과

• 양성은 물리적 노이즈가 $10^{-3}$이고 코드 거리가 15일 때 논리적 오류율을 $2 \cdot 10^{-9}$로 달성하며, 이는 이전 정련 방법 대비 큐비트·라운드 수를 한 단계 낮춘다.
• 물리적 노이즈를 $5 \cdot 10^{-4}$로 절반으로 줄이면 논리적 오류율이 $4 \cdot 10^{-11}$로 감소하여 노이즈 향상에 매우 민감한 반응을 보인다.
• $10^{-4}$의 노이즈에서 코드 거리 5일 때 논리적 오류율은 $6 \cdot 10^{-15}$로 나타나 높은 확장성을 보인다.
• 양성의 시공간 비용은 유사한 신뢰성의 레이스처 수술 CNOT 게이트와 약간의 오차를 둔 채로 동일한 것으로 추정된다.
• 추출 단계는 복잡하지만 적절히 디코딩하면 병목 현상이 되지 않는다. 초기 시뮬레이션은 디코더의 제약로 오해를 불러일으켰다.
• 이 방법은 마법 상태 정련이 실질적으로 더 이상 필요하지 않을 수 있음을 시사한다. 양성의 효율성과 노이즈 민감성이 알고리즘적 요구 사항을 능가할 수 있기 때문이다.