[论文解读] Real-time feedback protocols for optimizing fault-tolerant two-qubit gate fidelities in a silicon spin system

Nard Dumoulin Stuyck, Amanda E. Seedhouse+11 more|arXiv (Cornell University)|Sep 21, 2023

Advancements in Semiconductor Devices and Circuit DesignEngineering被引用 3

一句话总结

本文提出针对FPGA优化的实时反馈协议，以稳定硅基自旋量子比特中的单量子比特和双量子比特参数，在多小时 timescales 内实现高保真度双量子比特门（>99%）。通过将哈尔小波分析应用于反馈数据，研究识别出不同的噪声源——离散跃迁、缓慢漂移和1/f噪声，从而实现对故障容错量子计算至关重要的系统性噪声表征。

ABSTRACT

Recently, several groups have demonstrated two-qubit gate fidelities in semiconductor spin qubit systems above 99%. Achieving this regime of fault-tolerant compatible high fidelities is nontrivial and requires exquisite stability and precise control over the different qubit parameters over an extended period of time. This can be done by efficiently calibrating qubit control parameters against different sources of micro- and macroscopic noise. Here, we present several single- and two-qubit parameter feedback protocols, optimised for and implemented in state-of-the-art fast FPGA hardware. Furthermore, we use wavelet-based analysis on the collected feedback data to gain insight into the different sources of noise in the system. Scalable feedback is an outstanding challenge and the presented implementation and analysis gives insight into the benefits and drawbacks of qubit parameter feedback, as feedback related overhead increases. This work demonstrates a pathway towards robust qubit parameter feedback and systematic noise analysis, crucial for mitigation strategies towards systematic high-fidelity qubit operation compatible with quantum error correction protocols.

研究动机与目标

• 解决在环境噪声影响下，维持硅基自旋量子比特在长时间 timescales 内高保真度双量子比特门的挑战。
• 开发针对FPGA硬件优化的快速实时反馈协议，以稳定量子比特控制参数。
• 利用反馈数据表征超越标准傅里叶分析的复杂噪声动力学。
• 实现系统性噪声源识别，以指导量子比特制造与控制的改进。
• 展示反馈协议在集成到容错量子计算架构中的可扩展性与鲁棒性。

提出的方法

• 在高速FPGA硬件上实现实时反馈协议，以动态校正硅量子点中单量子比特和双量子比特控制参数。
• 使用基于小波的分析方法（特别是哈尔小波变换）提取反馈数据的时间-频率特征，捕捉非平稳噪声信号。
• 将小波结果与标准傅里叶功率谱密度（PSD）进行比较，突出其在解析瞬态和时变噪声特征方面的优势。
• 通过在不同尺度参数（1/λ）下分析小波变换中的振幅与符号模式，对反馈数据中的离散跃迁、缓慢漂移和1/f噪声进行分析。
• 将小波特征与物理噪声机制（如双态涨落器和介电陷阱）相关联。
• 利用反馈数据检测并分类噪声类型，包括单向和多向漂移，以及高频跃迁。

实验结果

研究问题

• RQ1 如何通过基于FPGA的实时反馈协议在多小时 timescales 内稳定硅基自旋量子比特的单量子比特和双量子比特参数？
• RQ2 小波分析在表征量子反馈数据中非平稳噪声方面相比传统傅里叶分析有何优势？
• RQ3 利用小波变换可在量子比特反馈数据中识别出哪些不同的噪声特征（例如跃迁、漂移、1/f噪声）？
• RQ4 不同噪声分量（如双态涨落器和介电陷阱）如何影响量子比特保真度与参数稳定性？
• RQ5 反馈数据在在多大程度上可为改进量子比特制造与控制策略提供依据？

主要发现

• 经FPGA优化的反馈协议在硅基自旋量子比特系统中成功实现了多小时 timescales 内高保真度双量子比特门（>99%）。
• 小波分析揭示了三种主要噪声分量：振幅约为~0.05 mV的离散跃迁、缓慢的低振幅漂移，以及高频的1/f类噪声。
• 小波变换将单向漂移识别为在小1/λ（例如1/λ < 10⁻⁴ s⁻¹）时具有恒定符号的特征，而多向漂移则表现出正负交替的振幅。
• 傅里叶PSD在ω ≈ 3×10⁻² Hz处的峰表明存在强耦合的双态涨落器或涨落器集合，该结果通过小波动力学得到验证。
• 小波分析通过在高1/λ处出现近零归一化振幅的特征检测到1/f噪声，从而将其与较大振幅的波动区分开来。
• 与傅里叶PSD相比，小波变换在时间域上对噪声动力学的分辨率更优，尤其适用于非平稳和瞬态信号。