QUICK REVIEW
[论文解读] Decoherence in two coupled qubits
Kristian Rabenstein, D. V. Averin|arXiv (Cornell University)|Oct 8, 2003
Quantum optics and atomic interactions参考文献 2被引用 4
一句话总结
本文提出一种马尔可夫主方程方法,用于建模两个耦合量子比特中的弱退相干,表明标准激发方案产生的振荡波形对量子比特间退相干相关性不敏感。然而,若将激发改为从|10⟩态开始——该态属于退相干免受干扰子空间——则振荡对相关性强度极为敏感,使该态可作为超导量子比特中环境噪声相关性的探测器。
ABSTRACT
We have developed quantitative description of quantum coherent oscillations in the system of two coupled qubits in the presence of weak decoherence that in general can be correlated between the two qubits. It is shown that in the experimentally realized scheme of excitation of the oscillations, their waveform is not very sensitive to the magnitude of decoherence correlations. Modification of this scheme into potentially useful probe of the degree of decoherence correlations at the two qubits is suggested.
研究动机与目标
- 通过马尔可夫近似,发展一个用于两耦合量子比特弱退相干的定量理论框架。
- 研究环境噪声中量子比特间相关性如何影响量子相干振荡的退相干速率。
- 确定在耦合电荷量子比特中观测到的退相干速率四倍增加是数值巧合,还是反映了基本的噪声相关性效应。
- 提出一种改进的激发方案,以增强对量子比特间退相干相关性的敏感性,便于实验探测。
提出的方法
- 为两个共振耦合的量子比特构建哈密顿量,包含隧穿、偏置和相互作用项。
- 通过随机相互作用哈密顿量 $ H_i = \sum_{j=1,2} \xi_j(t) \sigma_z^{(j)} $ 建模环境耦合,其中噪声项 $ \xi_1(t) $ 和 $ \xi_2(t) $ 具有关联性。
- 应用马尔可夫近似推导密度矩阵的主方程,实现对弱退相干的解析处理。
- 针对两种初始态:|00⟩(标准激发)和 |10⟩(DFS态)求解主方程,以比较退相干敏感性。
- 利用耦合哈密顿量的本征态分解,将动力学表示为振荡频率和衰减率的形式。
- 推导每个量子比特的时间依赖占据概率 $ p_j(t) $,其中包含依赖相关性的衰减率 $ \Gamma_{ij} $。
实验结果
研究问题
- RQ1环境噪声中量子比特间的相关性如何影响两耦合量子比特中量子相干振荡的退相干速率?
- RQ2为何在耦合电荷量子比特中实验观测到退相干速率四倍增加?这是数值巧合,还是噪声结构的后果?
- RQ3在两量子比特系统中,|10⟩态能否作为探测两量子比特间噪声相关性程度的敏感探针?
- RQ4当噪声相关性变化时,相干振荡的波形如何依赖于初始态?
- RQ5标准耦合量子比特激发协议在多大程度上对环境噪声相关性敏感?
主要发现
- 从|00⟩态开始的标准激发方案产生的振荡波形仅对量子比特间噪声相关性表现出微弱敏感性。
- 相比之下,从属于完全相关噪声下退相干免受干扰子空间的|10⟩态激发,会使主导振荡分量的退相干速率显著抑制。
- 有效退相干速率 $ \Gamma_{42} = \frac{1}{2}(1 + \nu/\Omega)[F(\omega_-) - F_c(\omega_-)] $ 显式依赖于噪声相关函数 $ F_c $,表明振荡波形对 $ F_c $ 敏感。
- 对于简并量子比特,|10⟩态激发动力学中的低频振荡分量以 $ (1 + \nu/\Omega)e^{-\Gamma_{42}t} $ 衰减,且当 $ F_c $ 增大时 $ \Gamma_{42} $ 减小。
- 数值结果证实,当噪声完全相关时,|10⟩态激发的振荡表现出长寿命、弱衰减的分量,而当噪声无相关性时该特征消失。
- 研究结论认为,实验中观测到的退相干速率四倍增加更可能是数值巧合,而非基本噪声结构的特征。
更好的研究,从现在开始
从阅读论文到最终审阅,大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成,并经人工编辑审核。