[论文解读] Saving superconducting quantum processors from qubit decay and correlated errors generated by gamma and cosmic rays
本文提出对超导量子处理器进行重新设计,以减轻宇宙射线和伽马射线引起的任意子衰变和相关误差。通过将辐射诱导的声子引导至厚实的正常金属薄膜和准粒子陷阱中,该方法将准粒子密度降低100倍,使量子比特相干时间从微秒级延长至16微秒以上,从而实现有效的量子误差校正。
Error-corrected quantum computers can only work if errors are small and uncorrelated. Here I show how cosmic rays or stray background radiation affects superconducting qubits by modeling the phonon to electron/quasiparticle down-conversion physics. For present designs, the model predicts about 57\% of the radiation energy breaks Cooper pairs into quasiparticles, which then vigorously suppress the qubit energy relaxation time ($T_1 \sim$ 160 ns) over a large area (cm) and for a long time (ms). Such large and correlated decay kills error correction. Using this quantitative model, I show how this energy can be channeled away from the qubit so that this error mechanism can be reduced by many orders of magnitude. I also comment on how this affects other solid-state qubits.
研究动机与目标
- 解决超导量子处理器中辐射诱导的量子比特衰变和相关误差这一关键问题。
- 识别宇宙射线和背景伽马射线为主要来源,产生大规模、相关联的误差,可破坏量子误差校正。
- 量化辐射对超导量子比特中准粒子生成、扩散和复合过程的影响。
- 提出一种芯片级重新设计策略,将声子能量从量子比特中导出,最小化准粒子密度并延长相干时间。
- 通过抑制时间和空间上的误差相关性,实现可扩展的容错量子计算。
提出的方法
- 使用非平衡统计力学建模超导量子比特中声子到准粒子的转换过程。
- 将辐射事件模拟分为五个阶段:火球形成、声子冻结、准粒子扩散、复合以及声子逃逸。
- 通过实施厚实的正常金属薄膜和准粒子陷阱,将能量从量子比特中导出,抑制准粒子密度。
- 利用准粒子能量分布和衰减速率的定量估计,预测在辐射暴露下量子比特寿命(T₁)。
- 通过时间、尺寸和T₁尺度指标比较现有与重新设计的芯片架构,以证明性能提升。
- 将结果与表面码误差校正模型整合,验证误差保持无相关性且可校正。
实验结果
研究问题
- RQ1宇宙射线和伽马射线如何诱导大规模、相关联的准粒子脉冲,从而在超导处理器中降低量子比特相干性?
- RQ2辐射诱导的声子对量子比特弛豫时间(T₁)以及误差在时空上的相关性有何定量影响?
- RQ3是否可以通过芯片级能量导引,在不依赖辐射屏蔽的情况下,将准粒子密度降低数个数量级?
- RQ4厚实的正常金属薄膜和准粒子陷阱如何改变超导电路中声子和准粒子输运的动力学?
- RQ5在高能辐射事件下,该重新设计在多大程度上能保持表面码误差校正的有效性?
主要发现
- 宇宙射线和伽马射线分别沉积约460 keV和约1 MeV的能量,其转化为声子的效率超过90%。
- 57%的声子能量破坏库珀对,产生准粒子,导致现有设计中量子比特T₁降低至最低0.16 μs。
- 准粒子在毫米至厘米尺度上传播,持续时间为100 μs至10 ms,引发大规模、相关联的误差,破坏误差校正。
- 通过使用厚实的正常金属薄膜进行的重新设计,与现有设计相比,初始准粒子密度降低了100倍。
- 在改进的设计中,量子比特T₁恢复至>16 μs,接近基线值,从而实现有效的误差校正。
- 重新设计芯片中声子逃逸和能量导引降低了两能级态的有效温度,进一步抑制退相干。
更好的研究,从现在开始
从阅读论文到最终审阅,大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成,并经人工编辑审核。