[论文解读] High photon-loss threshold quantum computing using GHZ-state measurements

Brendan Pankovich, Angus Kan+6 more|arXiv (Cornell University)|Aug 8, 2023

Quantum Information and Cryptography参考文献 50被引用 7

一句话总结

本文提出了一种基于投影测量的容错光量子计算架构，利用常规模型的Greenberger–Horne–Zeilinger（GHZ）基态进行测量。通过使用线性光学和概率性贝尔态测量对这些GHZ态测量进行编码，该方案相比现有融合型架构显著提升了单光子损耗阈值——最高提升达75%，从而实现了更高效的光量子计算资源利用。

ABSTRACT

We propose fault-tolerant architectures based on performing projective measurements in the Greenberger-Horne-Zeilinger (GHZ) basis on constant-sized, entangled resource states. We present linear-optical constructions of the architectures, where the GHZ-state measurements are encoded to suppress the errors induced by photon loss and the probabilistic nature of linear optics. Simulations of our constructions demonstrate high single-photon loss thresholds compared to the state-of-the-art linear-optical architecture realized with encoded two-qubit fusion measurements performed on constant-sized resource states. We believe this result shows a resource-efficient path to achieving photonic fault-tolerant quantum computing.

研究动机与目标

• 解决光量子容错计算中硬件需求高的挑战，特别是资源态大小和光子损耗问题。
• 克服现有融合型量子计算（FBQC）架构的局限性，这些架构需要庞大的资源态且损耗阈值适中。
• 提出一种基于n-量子比特GHZ态测量的新测量型量子计算架构，以提升容错能力。
• 设计编码GHZ态测量的线性光学实现方案，以抑制光子损耗和概率性操作带来的误差。
• 证明所提出的架构在光子数更少的情况下，仍能实现更高的单光子损耗阈值，优于当前领先的架构。

提出的方法

• 在常规模型资源态上，利用n-量子比特GHZ基的投影测量，构建容错的测量型量子计算（MBQC）架构。
• 通过物理贝尔态测量（BSM）的集合对GHZ态测量进行编码，以抑制光子损耗和测量失败带来的误差。
• 利用Raussendorf-Harrington-Goyal（RHG）晶格作为融合网络，定义资源态和纠缠测量的布局。
• 实现两种架构：一种是具有主动前馈测量的循环架构，另一种是具有静态测量的最小化架构，两者均使用编码的两量子比特图态。
• 采用表面码进行纠错，并使用线性时间擦除译码器模拟不同光子损耗率下的逻辑错误率。
• 通过识别不同码距d = 9, 11, 13下逻辑错误率曲线在不同损耗率η下的交叉点，估算单光子损耗阈值。

实验结果

研究问题

• RQ1 在常规模型资源态上使用GHZ态测量，是否能实现比现有融合型架构更高的光子损耗阈值？
• RQ2 使用多个贝尔态测量对GHZ态测量进行编码，在线性光学光子系统中如何影响误差抑制？
• RQ3 与24-量子比特编码六环FBQC结构相比，所提出的基于GHZ的架构在资源态大小与损耗阈值之间存在何种权衡？
• RQ4 主动测量与静态测量策略在所提架构中对实现损耗阈值的影响如何？
• RQ5 所提出的架构是否能以更少的光子数实现相当或更优的容错能力，从而降低资源开销？

主要发现

• 所提出的GHZ态测量架构相比24-量子比特编码六环FBQC结构，单光子损耗阈值最高可提升75%。
• 资源态大小仅为24-量子比特FBQC架构的三分之一，即可实现相近的损耗阈值，证明了显著的资源效率。
• 对于具有主动测量的循环架构，最高损耗阈值为η_c = 0.1217，参数为(n,m,j) = (7,4,1)；而最小化架构的阈值为η_c = 0.1225，参数为(n,m,j) = (11,5,2)。
• 在两种架构中，采用自适应贝尔态测量（主动）的方案均比静态测量获得更高的阈值，且循环设计从主动反馈中获益更多。
• 式(8)定义的QPC在循环架构中表现更优，而式(4)在最小化架构中表现更佳，表明针对具体设计进行优化具有显著优势。
• 仿真结果表明，对于码距d = 9, 11, 13，逻辑错误率曲线在η_c值处交叉，证实了该方案在光子损耗下的高鲁棒性。