Kvanttiprosessorin diagnostiikkaa

Innsbruckin yliopiston tutkijat ovat yhdessä Sydneyn ja Waterloonin kumppaneidensa kanssa esitelleet uuden kvanttitietokoneiden diagnostiikkamenetelmän.

Työssään tutkijat esittelevät skaalautuvan menetelmän, jota voidaan käyttää luotettavasti loogisten kvanttioperaatioiden karakterisointiin taustalla olevien kvanttibittien tasolla. Syklivirheiden rekonstruktio tunnistaa, mitkä fyysiset virheet vaikuttavat loogisesti koodattujen porttien suorituskykyyn.

”Syklivirheiden rekonstruktiolla voimme kvantitatiivisesti tallentaa virherakenteen ja erottaa selvästi korjattavissa olevat ja korjaamattomat osuudet”, korostaa ensimmäinen kirjoittaja Robert Freund kokeellisen fysiikan laitokselta.

Polku vikasietoiseen kvanttilaskentaan johtaa loogisten kubittien kautta: koska kvanttiefektit ovat hyvin hauraita ja fyysiset kubitit siksi alttiita virheille, useita kubitteja yhdistetään yhdeksi loogiseksi kvanttibitiksi. Tämä lisää diagnoosin monimutkaisuutta. ”Klassiset vertailuarvot ovat vain rajoitetusti hyödyllisiä kahden loogisen kubitin välisissä operaatioissa, koska mukana on monia fyysisiä kubitteja ja virheitä esiintyy kontekstista riippuen”, Robert Freund selittää.

Uusi menetelmä havaitsee virheet toistuvien laskentasyklien aikana ja käyttää niitä rekonstruoidakseen kompakteja, edustavia virhekuvauksia useille kubiteille samanaikaisesti. Prosessi on resurssitehokas, skaalautuu rekisterin koon mukaan ja tarjoaa luotettavia parametreja loogisesti relevanteille usean kubitin porteille.

Tämä osoitettiin käyttämällä poikittaista CNOT-porttia 16-kubittisessa ioniloukkuprosessorissa Innsbruckin yliopistossa. "Menetelmä paljastaa kontekstista riippuvia virheitä ja osoittaa, missä tarvitaan kalibrointia ja vakauttamista loogisten porttien luotettavan toiminnan varmistamiseksi", sanoo Innsbruckin tutkimusryhmän johtaja Thomas Monz.

Analyysi paljasti kontekstista riippuvia virheitä, kuten lokalisoitua vaiheistusta ja portin virhekalibrointia. Tilastollista mallia käytetään virheriippuvuuksien tehokkaaseen mallintamiseen, jotta voidaan tunnistaa ne osuudet, joihin virheenkorjauskoodit voivat puuttua, ja ne, jotka rajoittavat loogista luotettavuutta.

Tämä mahdollistaa tarkat suorituskyvyn ennusteet ja osoittaa kvanttitietokoneiden laitteistokehitystiimeille, missä kriittiset virhelähteet sijaitsevat ja miten ne voidaan minimoida – askel kohti luotettavia vikasietoisia kvanttiprosessoreita.

Aiheesta aiemmin:

Kvantti-insinöörit luovat "Schrödingerin kissan" piisirulle

Kubitti, jossa on sisäänrakennettu virheenkorjaus