谷歌量子计算团队再发Nature!逻辑错误抑制实现100倍增长,或为容错量子计算机研发铺平道路( 二 )


研究人员此次在测量过程中也引入了误差机制 , 如状态泄漏、加热和数据量子位退相干 , 并运行了两个稳定器代码 。 在重复码中 , 量子位在一维链中的量子位和数据量子位之间交替 , 每个量度量子位检查其两个相邻量子位的奇偶性 , 所有量子位检查相同的基 , 以便逻辑量子位不受错误的影响 。
改进的"悬铃木"处理器
在硬件方面 , 研究人员基于"悬铃木"(Sycamore)处理器来实现量子纠错 , 它由一个二维的量子位阵列组成 , 其中每个量子比特可调谐地耦合到四个最近的邻域 , 即表面代码所需的连接性 。
该处理器具有改进的读出电路设计 , 允许以更少的串扰进行更快的读出 , 并且每量子位的读出误差减少2倍 , 和它的前身一样 , 这个处理器有54个量子位 , 但研究人员最多使用了21个量子位 , 因为只有处理器的一个子集连接起来了 。
谷歌量子计算团队再发Nature!逻辑错误抑制实现100倍增长,或为容错量子计算机研发铺平道路
文章图片
图|"悬铃木"上的稳定器电路概念图 , 构成稳定器电路的操作错误率以及相位翻转码电路示意图等(来源:Nature)据论文描述 , 此次实验利用了"悬铃木"结构的门校准的最新进展 。
首先 , 研究人员通过将每个量子位的频率扫过读出谐振器的频率 , 从激发态(包括非计算态)中移除布居 。 这种复位操作附加在量子纠错电路中的每次测量之后 , 并在280ns内产生误差低于0.5%的基态;
然后 , 他们利用两个量子位元的联合态(1 , 1)和(0 , 2)之间的直接交换来实现一个26ns受控Z(CZ)门 , 可调量子比特-量子比特耦合允许这些CZ门以高并行度执行 , 并且在重复代码中同时执行多达10个CZ门;
最后 , 使用量子纠错的结果来校准每个CZ门的相位校正 , 同时利用交叉熵对标 , 结果发现发现CZ门泡利平均误差为0.62% 。
研究人员将重复码实验的重点放在位相翻转码上 , 在位相翻转码中 , 数据量子位占据了对能量弛豫和退相都很敏感的叠加态 , 这使得它的实现比位相翻转码更具挑战性 , 也更能预测表面码的性能 。 在测量和复位期间 , 数据量子位被动态解耦 , 以保护数据量子位免受各种退相源的影响 。
研究人员分析实验数据的第一步是将测量结果转化为错误检测事件 , 即相邻回合之间相同测量量子位的测量结果变化 , 他们将检测事件的每个可能时空位置(即特定量子位和圆)称为检测节点 , 对于50轮21量子位相位翻转码中的每个检测节点 , 他们都绘制了在该节点上观察到检测事件的实验分数 。
在第一轮和最后一轮检测中 , 检测事件的分数与其他轮相比有所降低 。 在这两个时间边界回合中 , 通过比较第一个稳定器测量和数据量子位初始化来发现检测事件 。 因此 , 在时间边界回合中的测量量子位读出期间 , 数据量子位不受消相干的影响 , 这说明了多回合运行量子纠错对准确基准性能的重要性 。
除了这些边界效应 , 研究人员还观察到平均检测事件分数为11% , 并且在所有50轮实验中都是稳定的 , 这是量子纠错可行性的关键发现 。
谷歌量子计算团队再发Nature!逻辑错误抑制实现100倍增长,或为容错量子计算机研发铺平道路
文章图片
图|错误检测分析(来源:Nature)接下来 , 研究人员描述了检测事件之间的成对相关性 。 通过计算任意一对检测节点之间的相关概率来检验"悬铃木"处理器是否符合期望 , 正如预期的那样 , 最明显的相关性要么是类空间的 , 要么是类时间的 。
此外 , 他们还观察到一些偶发事件大大降低了重复代码的性能 , 未来通过改进设备设计或屏蔽来缓解这些事件 , 对于实现具有超导量子比特的大规模容错计算机至关重要 。