[论文解读] Universal Dephasing Noise Injection via Schrodinger Wave Autoregressive Moving Average Models

Andrew Murphy, J. Epstein+11 more|arXiv (Cornell University)|Feb 5, 2021

Neural Networks and Reservoir Computing参考文献 59被引用 8

一句话总结

本文提出了一种平台无关的方法，利用Schrödinger Wave Autoregressive Moving Average（SchWARMA）模型，在量子线路中注入任意谱型的退相干噪声。通过将SchWARMA设计的错误门嵌入量子线路，或通过软件定义无线电（SDR）注入噪声，该方法可在基于云的和实验室的量子处理器上实现精确且可重复的噪声注入，经由量子噪声光谱分析验证，注入与重构的谱图之间具有高度一致性。

ABSTRACT

We present and validate a novel method for noise injection of arbitrary spectra in quantum circuits that can be applied to any system capable of executing arbitrary single qubit rotations, including cloud-based quantum processors. As the consequences of temporally-correlated noise on the performance of quantum algorithms are not well understood, the capability to engineer and inject such noise in quantum systems is paramount. To date, noise injection capabilities have been limited and highly platform specific, requiring low-level access to control hardware. We experimentally validate our universal method by comparing to a direct hardware-based noise-injection scheme, using a combination of quantum noise spectroscopy and classical signal analysis to show that the two approaches agree. These results showcase a highly versatile method for noise injection that can be utilized by theoretical and experimental researchers to verify, evaluate, and improve quantum characterization protocols and quantum algorithms for sensing and computing.

研究动机与目标

• 开发一种平台无关的方法，用于在量子线路中注入时间相关的退相干噪声。
• 实现对噪声效应在量子算法和表征协议中影响的受控研究。
• 克服现有噪声注入技术的局限性，这些技术依赖于特定硬件且需要低级访问权限。
• 验证SchWARMA模型作为量子系统中相位噪声的统计模型和生成模型的有效性。
• 展示与基于云的量子处理器（如IBM Quantum Experience）的兼容性。

提出的方法

• 使用SchWARMA模型生成具有任意功率谱密度的时间相关相位噪声。
• 采用基于量子门的噪声注入方法，在控制脉冲之间插入瞬时相位旋转（错误门），以在量子比特的参考系中模拟噪声。
• 通过SDR的硬件实现，直接将SchWARMA生成的相位噪声调制到主时钟信号上。
• 利用量子噪声光谱分析（QNS）对注入的噪声进行重构，以与目标谱进行比较。
• 使用SchWARMA模型的前向仿真来验证其与实验数据的一致性。
• 该方法在IBM Quantum Experience（基于云的系统）和本实验室的transmon量子比特系统（实验室系统）上均进行了测试，实现了跨平台验证。

实验结果

研究问题

• RQ1 基于SchWARMA的噪声注入方法是否可在具有受限门访问权限的基于云的量子处理器上实现？
• RQ2 在真实量子硬件上，SchWARMA模型在多大程度上能准确生成并注入任意的退相干噪声谱？
• RQ3 基于SDR的硬件注入方法在多大程度上能重现目标噪声谱？
• RQ4 SchWARMA模型的前向仿真与基于门的和基于SDR的注入实验数据的匹配程度如何？
• RQ5 SchWARMA框架能否扩展至非高斯、非平稳以及时空相关联的噪声？

主要发现

• 基于SchWARMA的门注入方法在IBM Quantum Experience上成功重现了目标退相干噪声谱，即使在受限的门访问条件下亦然。
• 量子噪声光谱分析结果表明，基于门的和基于SDR的两种方法在注入与重构的噪声谱之间均表现出高度一致性。
• 基于SDR的方法直接测量了注入的噪声谱，证实其与期望的SchWARMA生成谱一致。
• SchWARMA模型的前向仿真与实验数据高度相关，验证了其在时间相关退相干噪声上的预测能力。
• 该方法具有平台无关性，适用于支持任意单量子比特旋转的所有系统，包括基于云的量子处理器。
• 该框架可扩展至非高斯、非平稳以及时空相关联的噪声，展现出广泛的应用潜力。