[论文解读] Efficient cavity control with SNAP gates

Thomas Fösel, Stefan Krastanov+2 more|arXiv (Cornell University)|Apr 29, 2020

Quantum Information and Cryptography被引用 4

一句话总结

本文提出一种分层优化方案，结合SNAP门与腔体位移，实现电路量子电动力学中微波腔的通用、高保真控制。通过基于梯度的参数联合微调，该方法将门序列数从O(N²)减少至O(N)，仅需3–4个SNAP门即可实现量子操作，而非最多50个。

ABSTRACT

Microwave cavities coupled to superconducting qubits have been demonstrated to be a promising platform for quantum information processing. A major challenge in this setup is to realize universal control over the cavity. A promising approach are selective number-dependent arbitrary phase (SNAP) gates combined with cavity displacements. It has been proven that this is a universal gate set, but a central question remained open so far: how can a given target operation be realized efficiently with a sequence of these operations. In this work, we present a practical scheme to address this problem. It involves a hierarchical strategy to insert new gates into a sequence, followed by a co-optimization of the control parameters, which generates short high-fidelity sequences. For a broad range of experimentally relevant applications, we find that they can be implemented with 3 to 4 SNAP gates, compared to up to 50 with previously known techniques.

研究动机与目标

• 解决在电路QED中通过基于门的方法高效实现微波腔通用控制的挑战。
• 克服先前技术效率低下的问题，这些技术在N个Fock态上操作时最多需要N²个SNAP门。
• 开发一种可扩展、模块化的方法，生成简短且高保真度的门序列，适用于实验相关的量子操作。
• 通过最小化门数和执行时间，实现在当前器件相干时间内的实际腔体控制。

提出的方法

• 采用分层策略，根据目标操作的结构将新的SNAP门和位移插入门序列中。
• 使用基于梯度的优化（Adam优化器配合类似反向传播的方案）联合优化控制参数以提升保真度。
• 通过目标与生成幺正操作之间的迹重叠定义代价函数以最大化门保真度：𝒟[Û] ∼ |tr[Ṽ†Û]|。
• 引入光子数代价惩罚项（λ）以偏好低光子数操作，λ根据具体应用进行调节。
• 采用两阶段流程：先构建初始门序列，再对参数进行迭代微调。
• 借鉴机器学习技术（如梯度裁剪、自适应学习率）但不使用神经网络，实现高效的参数搜索。

实验结果

研究问题

• RQ1 能否开发一种系统化、可扩展的方法，为通用腔体控制生成简短的SNAP门与位移门序列？
• RQ2 是否可能将N个Fock态上操作所需的SNAP门数量从O(N²)减少至O(N)？
• RQ3 如何在保持实验可行性的同时，以最少的门数实现高保真控制？
• RQ4 基于梯度的优化在参数空间中相较于暴力搜索或启发式方法能有多大优势？
• RQ5 该方法能否推广至电路QED中广泛存在的实验相关量子操作？

主要发现

• 所提出的方案将实现通用腔体控制所需的SNAP门数量从O(N²)减少至O(N)，实现二次加速。
• 对于N=10，该方法仅需4个SNAP门，而非最多50个，总门时间从300–500 μs减少至20 μs以下。
• 该方案仅用4个SNAP门即可实现高保真度的腔体编码错误校正，显著提升实验可行性。
• 该方法在多种应用中均表现稳健，包括量子误差校正、纠缠态制备和量子态制备。
• 优化过程始终能生成高保真度序列（保真度接近1），且超参数调优需求极少。
• 该技术可直接应用于当前实验，因为所有所需门（SNAP门与位移）均已得到实验验证。