[論文レビュー] Hardware-efficient random circuits to classify noise in a multi-qubit system

Jin-Sung Kim, Lev S. Bishop+4 more|arXiv (Cornell University)|Apr 20, 2021

Quantum Information and Cryptography参考文献 42被引用数 7

ひとこと要約

この論文は、ハードウェア効率の良いランダム回路とバインニング出力生成（BOG）を組み合わせることで、マルチキュービット超伝導量子プロセッサにおけるコherentおよび非コherentノイズの分類を実現する。測定結果の再バインニングにより、コherentエラーを分離可能であり、Z型ノイズを注入することでコherentエラー率を変化させつつ非コherentノイズは変化させない実験的証明により、標準的なランダム化ベンチマーキング（RB）の範囲を超えて、堅牢でスケーラブルなノイズ同定が可能であることが示された。

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.

研究の動機と目的

• マルチキュービット量子系におけるコherentおよび非コherentノイズを区別するためのスケーラブルな手法の不足に対処すること。
• 標準的なランダム化ベンチマーキング（RB）がキュービット数の増加に伴い Clifford 深さのスケーリングにより実用的でなくなる少数キュービット領域を超えて、ノイズ特性を拡張すること。
• 状態準備および測定（SPAM）エラーに対して頑健でありながら、微細なノイズ源の同定を可能にする技術の開発。
• 2キュービットおよび6キュービットの実験的環境で本手法を検証し、制御されたノイズ注入条件下でコherentノイズの正確な検出を示すこと。
• 単一または二キュービットベンチマーキングでは検出されなかった、これまで未知のマルチキュービットノイズ源を同定できることを示すこと。

提案手法

• 全nキュービットのClifford操作を必要としない、ネイティブなキュービット接続性とゲートセットを活用するハードウェア効率の良いランダム回路の設計。
• 測定結果を回路構造と測定統計に基づいてバインディングする、バインニング出力生成（BOG）の実装。
• 同一の実験データに、コherentノイズに感受性のある、および非コherentノイズに感受性のある、2つの異なるバインニング方式を適用。
• 再バインニングを用いて、バインニング戦略間の比較を通じて非コherentノイズを分離・定量し、ノイズタイプの同定を可能にする。
• 6キュービット系に制御されたコherent Z型ノイズを注入し、測定されたコherentエラー率が注入ノイズの大きさに比例して増加することを実証。
• 非コherentエラー推定の整合性を検証するため、純度ランダム化ベンチマーキング（purity RB）の結果と比較。

実験結果

リサーチクエスチョン

• RQ1 ハードウェア効率の良いランダム回路とBOGを用いることで、少数キュービット領域を超えてマルチキュービット系におけるコherentノイズと非コherentノイズを区別できるか？
• RQ2 コherentノイズの変化に対しては頑健でありながら、非コherentノイズの測定値は保持されるか？
• RQ3 6キュービット系において、注入されたコherent Zノイズの大きさに応じて測定されたコherentエラー率はどのようにスケーリングするか？
• RQ4 本手法は、2キュービットベンチマーキングでは見えなかった追加のノイズ源を検出できるか？
• RQ5 再バインニングにより抽出された非コherentエラー率は、純度RBの測定結果と整合性を示すか？

主な発見

• 2キュービット系では、BOGによって抽出されたCNOTエラー率が、同時二キュービットランダム化ベンチマーキングと一致し、手法の正確性が検証された。
• 6キュービットの線形チェーンでは、BOGによる平均CNOTエラー率が2キュービット系よりもわずかに高かったことから、これまで検出されていなかったマルチキュービットエラーが存在することが示された。
• コherent Zノイズ源を注入した際、測定されたコherentエラー率が注入ノイズの大きさに比例して増加したため、コherentエラーに感受性があることが確認された。
• コherentノイズ注入中、非コherentノイズ率は一定のままであり、再バインニングが非コherentノイズを効果的に分離していることが示された。
• 再バインニングにより抽出された平均非コherentエラー率は、純度RBの測定結果と良好に一致し、手法の整合性が検証された。
• 標準RBのClifford深さ制限により到達不可能な6キュービット系において、本手法はコherentおよび非コherentノイズを成功裏に同定した。