[论文解读] Scalable extraction of error models from the output of error detection circuits

Austin G. Fowler, D. Sank+3 more|arXiv (Cornell University)|May 6, 2014

Quantum Computing Algorithms and Architecture参考文献 1被引用 7

一句话总结

本文提出了一种可扩展的、实时的方法，直接从量子处理器中持续运行的误差检测电路输出中提取随机误差模型。通过分析重复码和表面码中的检测事件模式，该方法可在极少经典后处理的情况下，准确预测大规模量子误差纠正性能，无论量子比特数量多少，均能在一秒内实现误差模型精度低于1%。

ABSTRACT

Accurate methods of assessing the performance of quantum gates are extremely important. Quantum process tomography and randomized benchmarking are the current favored methods. Quantum process tomography gives detailed information, but significant approximations must be made to reduce this information to a form quantum error correction simulations can use. Randomized benchmarking typically outputs just a single number, the fidelity, giving no information on the structure of errors during the gate. Neither method is optimized to assess gate performance within an error detection circuit, where gates will be actually used in a large-scale quantum computer. Specifically, the important issues of error composition and error propagation lie outside the scope of both methods. We present a fast, simple, and scalable method of obtaining exactly the information required to perform effective quantum error correction from the output of continuously running error detection circuits, enabling accurate prediction of large-scale behavior.

研究动机与目标

• 解决缺乏针对大规模量子处理器中量子误差纠正模拟的可扩展、高精度误差表征方法的问题。
• 克服量子过程层析成像和随机基准测试的局限性，这些方法无法捕捉误差检测电路中的误差组成与传播。
• 实现实验数据中误差检测周期的直接、实时QEC优化误差模型提取。
• 提供一种可随系统规模高效扩展的方法，并支持对量子硬件性能的动态监控。
• 通过比较模拟与观测到的逻辑错误率，实现对空间或时间相关误差的实验检测。

提出的方法

• 该方法分析重复误差检测电路（如重复码或表面码）中多次循环的检测事件模式。
• 提取一个稳定子码（例如X-稳定子）中检测事件的条件概率，给定另一个稳定子码（例如Z-稳定子）中观测到的事件，以建模误差相关性。
• 该方法利用孤立的检测事件模式构建适用于大规模量子误差纠正仿真的随机误差模型。
• 它利用稳定子码的结构推断误差过程，而无需完整的过程层析成像或大量随机基准测试序列。
• 经典后处理极为简单，且可并行化至恒定开销，与系统规模无关。
• 该方法通过监测每个循环约500ns的超导量子比特测量结果，在循环误差检测电路中实现。

实验结果

研究问题

• RQ1 能否直接且可扩展地从误差检测电路输出中提取大规模量子误差纠正的误差模型？
• RQ2 如何捕捉误差组成与传播效应，以实现对逻辑错误率的准确预测？
• RQ3 能否通过比较模拟与观测到的检测模式，实验检测到空间或时间相关的误差？
• RQ4 是否可能在极少经典后处理和恒定时间复杂度下实现高精度误差模型提取？
• RQ5 该方法能否在大规模量子计算机运行期间实时应用？

主要发现

• 该方法可在一秒内实现与量子比特数量无关的、优于1%精度的QEC优化误差模型提取。
• 从重复码中检测事件模式推导出的误差模型，可高保真度预测表面码的逻辑错误率。
• 检测事件模式的过度相关性（如时间串）可用于识别特定误差源，例如故障初始化门。
• 该方法允许通过比较模拟与观测到的逻辑错误率，直接实验评估危险的空间或时间相关误差。
• 经典后处理极为简单，且可并行化至恒定开销，使该方法具有高度可扩展性。
• 该方法适用于Autotune处理的任何误差检测电路，包括拓扑簇态和表面码，并与超导量子比特平台兼容。