Les canaux de Pauli peuvent être estimés à partir de mesures de syndrome dans la correction d'erreurs quantiques PlatoBlockchain Data Intelligence. Recherche verticale. Aï.

Les canaux de Pauli peuvent être estimés à partir de mesures de syndrome dans la correction d'erreur quantique

Thomas Wagner, Hermann Kampermann, Dagmar Bruß et Martin Kliesch

Institut für Theoretische Physik, Université Heinrich-Heine de Düsseldorf, Allemagne

Vous trouvez cet article intéressant ou souhaitez en discuter? Scite ou laisse un commentaire sur SciRate.

Abstract

Les performances de la correction d'erreur quantique peuvent être considérablement améliorées si des informations détaillées sur le bruit sont disponibles, permettant d'optimiser à la fois les codes et les décodeurs. Il a été proposé d'estimer les taux d'erreur à partir des mesures de syndrome effectuées de toute façon pendant la correction d'erreur quantique. Bien que ces mesures préservent l'état quantique codé, il n'est actuellement pas clair quelle quantité d'informations sur le bruit peut être extraite de cette manière. Jusqu'à présent, en dehors de la limite des taux d'erreur nuls, des résultats rigoureux n'ont été établis que pour certains codes spécifiques.
Dans ce travail, nous résolvons rigoureusement la question des codes stabilisateurs arbitraires. Le résultat principal est qu'un code stabilisateur peut être utilisé pour estimer les canaux de Pauli avec des corrélations sur un certain nombre de qubits donnés par la distance pure. Ce résultat ne repose pas sur la limite des taux d'erreurs nulles et s'applique même si des erreurs de poids élevées se produisent fréquemment. De plus, il permet également des erreurs de mesure dans le cadre des codes du syndrome des données quantiques. Notre preuve combine l'analyse booléenne de Fourier, la combinatoire et la géométrie algébrique élémentaire. Nous espérons que ce travail ouvrira des applications intéressantes, telles que l'adaptation en ligne d'un décodeur au bruit variant dans le temps.

Les vrais ordinateurs quantiques sont sensibles au bruit de l'environnement. Une description détaillée de ce bruit peut aider à l'atténuer dans de nombreuses situations. Cependant, l'apprentissage d'une telle description peut être difficile et nécessite souvent de nombreuses mesures. Dans ce travail, nous combinons des idées issues de la caractérisation des systèmes quantiques et de la correction d'erreur quantique. Nous montrons que les schémas de correction d'erreur standard fournissent beaucoup d'informations qui sont généralement négligées. Dans certaines conditions, l'utilisation des seules mesures effectuées lors de ces schémas est déjà suffisante pour obtenir une caractérisation détaillée du bruit. Nous dérivons rigoureusement ces conditions et esquissons un schéma de caractérisation pratique basé sur ces idées. Notre approche suggère une voie supplémentaire pour la caractérisation des dispositifs quantiques. En particulier, il réduit l'effort requis en utilisant plus efficacement les informations qui sont mesurées de toute façon.

► Données BibTeX

► Références

A. Robertson, C. Granade, SD Bartlett et ST Flammia, Codes adaptés pour les petites mémoires quantiques, Phys. Rév. Appliqué 8, 064004 (2017).
https: / / doi.org/ 10.1103 / PhysRevApplied.8.064004

J. Florjanczyk et TA Brun, Codage adaptatif in situ pour les codes de correction d'erreurs quantiques asymétriques (2016).
https://​/​doi.org/​10.48550/​ARXIV.1612.05823

JP Bonilla Ataides, DK Tuckett, SD Bartlett, ST Flammia et BJ Brown, Le code de surface XZZX, Nat. Commun. 12, 2172 (2021).
https:/​/​doi.org/​10.1038/​s41467-021-22274-1

O. Higgott, Pymatching : un package python pour décoder les codes quantiques avec une correspondance parfaite de poids minimum (2021).
https://​/​doi.org/​10.48550/​ARXIV.2105.13082

E. Dennis, A. Kitaev, A. Landahl et J. Preskill, Mémoire quantique topologique, J. Math. Phys. 43, 4452 (2002), arXiv:quant-ph/​0110143 [quant-ph].
https: / / doi.org/ 10.1063 / 1.1499754
arXiv: quant-ph / 0110143

NH Nickerson et BJ Brown, Analyse du bruit corrélé sur le code de surface à l'aide d'algorithmes de décodage adaptatif, Quantum 3, 131 (2019).
https:/​/​doi.org/​10.22331/​q-2019-04-08-131

ST Spitz, B. Tarasinski, CWJ Beenakker et TE O'Brien, Estimateur de poids adaptatif pour la correction d'erreur quantique dans un environnement dépendant du temps, Advanced Quantum Technologies 1, 1870015 (2018).
https: / / doi.org/ 10.1002 / qute.201870015

Z. Babar, P. Botsinis, D. Alanis, SX Ng et L. Hanzo, Quinze ans de codage LDPC quantique et de stratégies de décodage améliorées, IEEE Access 3, 2492 (2015).
https: / / doi.org/ 10.1109 / ACCESS.2015.2503267

S. Huang, M. Newman et KR Brown, Décodage de recherche d'union pondéré tolérant aux pannes sur le code torique, Physical Review A 102, 10.1103/​physreva.102.012419 (2020).
https: / / doi.org/ 10.1103 / physreva.102.012419

CT Chubb, Décodage général du réseau tenseur des codes pauli 2d (2021).
https://​/​doi.org/​10.48550/​ARXIV.2101.04125

AS Darmawan et D. Poulin, Algorithme de décodage général en temps linéaire pour le code de surface, Physical Review E 97, 10.1103/​physreve.97.051302 (2018).
https: / / doi.org/ 10.1103 / physreve.97.051302

JJ Wallman et J. Emerson, Adaptation du bruit pour le calcul quantique évolutif via une compilation aléatoire, Phys. Rév. A 94, 052325 (2016).
https: / / doi.org/ 10.1103 / PhysRevA.94.052325

M. Ware, G. Ribeill, D. Ristè, CA Ryan, B. Johnson et MP da Silva, Randomisation expérimentale des trames de Pauli sur un qubit supraconducteur, Phys. Rév. A 103, 042604 (2021).
https: / / doi.org/ 10.1103 / PhysRevA.103.042604

SJ Beale, JJ Wallman, M. Gutiérrez, KR Brown et R. Laflamme, La correction d'erreur quantique décohère le bruit, Phys. Rév. Lett. 121, 190501 (2018).
https: / / doi.org/ 10.1103 / PhysRevLett.121.190501

ST Flammia et R. O'Donnell, estimation de l'erreur de Pauli via le rétablissement de la population, Quantum 5, 549 (2021).
https:/​/​doi.org/​10.22331/​q-2021-09-23-549

R. Harper, W. Yu et ST Flammia, Estimation rapide du bruit quantique clairsemé, PRX Quantum 2, 010322 (2021).
https: / / doi.org/ 10.1103 / PRXQuantum.2.010322

ST Flammia et JJ Wallman, Estimation efficace des canaux de Pauli, ACM Transactions on Quantum Computing 1, 10.1145/​3408039 (2020).
https: / / doi.org/ 10.1145 / 3408039

R. Harper, ST Flammia et JJ Wallman, Apprentissage efficace du bruit quantique, Nat. Phys. 16, 1184 (2020).
https:/​/​doi.org/​10.1038/​s41567-020-0992-8

Y. Fujiwara, Estimation instantanée du canal quantique pendant le traitement de l'information quantique (2014).
https://​/​doi.org/​10.48550/​ARXIV.1405.6267

AG Fowler, D. Sank, J. Kelly, R. Barends et JM Martinis, Extraction évolutive des modèles d'erreur à partir de la sortie des circuits de détection d'erreur (2014).
https://​/​doi.org/​10.48550/​ARXIV.1405.1454

M.-X. Huo et Y. Li, Apprentissage du bruit dépendant du temps pour réduire les erreurs logiques : estimation du taux d'erreur en temps réel dans la correction d'erreur quantique, New J. Phys. 19, 123032 (2017).
https: / / doi.org/ 10.1088 / 1367-2630 / aa916e

JR Wootton, Analyse comparative des dispositifs à court terme avec correction d'erreur quantique, Quantum Science and Technology 5, 044004 (2020).
https: / / doi.org/ 10.1088 / 2058-9565 / aba038

J. Combes, C. Ferrie, C. Cesare, M. Tiersch, GJ Milburn, HJ Briegel et CM Caves, Caractérisation in situ des dispositifs quantiques avec correction d'erreur (2014).
https://​/​doi.org/​10.48550/​ARXIV.1405.5656

T. Wagner, H. Kampermann, D. Bruß et M. Kliesch, Estimation optimale du bruit à partir des statistiques de syndrome des codes quantiques, Phys. Rev.Recherche 3, 013292 (2021).
https: / / doi.org/ 10.1103 / PhysRevResearch.3.013292

J. Kelly, R. Barends, AG Fowler, A. Megrant, E. Jeffrey, TC White, D. Sank, JY Mutus, B. Campbell, Y. Chen, Z. Chen, B. Chiaro, A. Dunsworth, E Lucero, M. Neeley, C. Neill, PJJ O'Malley, C. Quintana, P. Roushan, A. Vainsencher, J. Wenner et JM Martinis, Étalonnage de qubit in situ évolutif lors de la détection d'erreurs répétitives, Phys. Rév. A 94, 032321 (2016).
https: / / doi.org/ 10.1103 / PhysRevA.94.032321

A. Ashikhmin, C.-Y. Lai et TA Brun, Codes du syndrome de données quantiques, IEEE Journal on Selected Areas in Communications 38, 449 (2020).
https://​/​doi.org/​10.1109/​JSAC.2020.2968997

Y. Fujiwara, Capacité de la correction d'erreur quantique du stabilisateur à se protéger de sa propre imperfection, Phys. Rev. A 90, 062304 (2014), arXiv:1409.2559 [quant-ph].
https: / / doi.org/ 10.1103 / PhysRevA.90.062304
arXiv: 1409.2559

N. Delfosse, BW Reichardt et KM Svore, Au-delà de la correction d'erreur quantique tolérante aux pannes, IEEE Transactions on Information Theory 68, 287 (2022).
https: / / doi.org/ 10.1109 / tit.2021.3120685

A. Zia, JP Reilly et S. Shirani, Distributed parameters estimation with side information: A factor graph approach, en 2007 IEEE International Symposium on Information Theory (2007) pp. 2556–2560.
https: / / doi.org/ 10.1109 / ISIT.2007.4557603

R. O'Donnell, Analyse des fonctions booléennes (Cambridge University Press, 2014).
https: / / doi.org/ 10.1017 / CBO9781139814782

Y. Mao et F. Kschischang, Sur les graphes factoriels et la transformée de Fourier, IEEE Trans. Inf. Théorie 51, 1635 (2005).
https: / / doi.org/ 10.1109 / TIT.2005.846404

D. Koller et N. Friedman, Modèles graphiques probabilistes : principes et techniques - Calcul adaptatif et apprentissage automatique (The MIT Press, 2009).

M. Aigner, Cours d'énumération, Vol. 238 (Springer-Verlag Berlin Heidelberg, 2007).
https:/​/​doi.org/​10.1007/​978-3-540-39035-0

S. Roman, Théorie des champs (Springer, New York, 2006).
https:/​/​doi.org/​10.1007/​0-387-27678-5

T. Chen et LiTien-Yien, Solutions aux systèmes d'équations binomiales, Annales Mathematicae Silesianae 28, 7 (2014).
https://​/​journals.us.edu.pl/​index.php/​AMSIL/​article/​view/​13987

AS Hedayat, NJA Sloane et J. Stufken, Tableaux orthogonaux : théorie et applications (Springer New York, NY, 1999).
https:/​/​doi.org/​10.1007/​978-1-4612-1478-6

P. Delsarte, Quatre paramètres fondamentaux d'un code et leur signification combinatoire, Information and Control 23, 407 (1973).
https:/​/​doi.org/​10.1016/​S0019-9958(73)80007-5

BM Varbanov, F. Battistel, BM Tarasinski, VP Ostroukh, TE O'Brien, L. DiCarlo et BM Terhal, Détection de fuite pour un code de surface basé sur les transmons, NPJ Quantum Inf. 6, 10.1038/​s41534-020-00330-w (2020).
https: / / doi.org/ 10.1038 / s41534-020-00330-w

P. Abbeel, D. Koller et AY Ng, Graphes de facteurs d'apprentissage en temps polynomial et complexité d'échantillon (2012).
https://​/​doi.org/​10.48550/​ARXIV.1207.1366

RA Horn et CR Johnson, Matrix Analysis, 2e éd. (Cambridge University Press, 2012).
https: / / doi.org/ 10.1017 / CBO9780511810817

Cité par

[1] Andreas Elben, Steven T. Flammia, Hsin-Yuan Huang, Richard Kueng, John Preskill, Benoît Vermersch et Peter Zoller, « The randomized measure toolbox », arXiv: 2203.11374.

[2] Armands Strikis, Simon C. Benjamin et Benjamin J. Brown, "L'informatique quantique est évolutive sur un réseau planaire de qubits avec des défauts de fabrication", arXiv: 2111.06432.

Les citations ci-dessus proviennent de SAO / NASA ADS (dernière mise à jour réussie 2022-09-19 14:05:17). La liste peut être incomplète car tous les éditeurs ne fournissent pas de données de citation appropriées et complètes.

Impossible de récupérer Données de référence croisée lors de la dernière tentative 2022-09-19 14:05:15: Impossible de récupérer les données citées par 10.22331 / q-2022-09-19-809 de Crossref. C'est normal si le DOI a été enregistré récemment.

Horodatage:

Plus de Journal quantique