揭示隐藏的可以杀死量子位元的“噪音”

麻省理工学院(MIT)和达特茅斯学院(Dartmouth College)的研究人员首次展示了一种工具，它可以探测到环境“噪音”的新特征，这种新特征可以破坏量子计算机的基本组成部分——量子位元的脆弱量子状态。这一进展可能为研究微观噪声机制提供了新的思路，从而有助于设计保护量子位元的新方法。 

量子位元可以表示与经典二进制位(0或1)对应的两种状态。但是，它们也可以同时保持两种状态的“量子叠加”，使量子计算机能够解决经典计算机实际上不可能解决的复杂问题。

但是一个量子位元的量子“相干性”——也就是它维持叠加态的能力——可能会因为来自量子位元周围环境的噪声而瓦解。噪声可能来自控制电子、热量或量子位元材料本身的杂质，还可能导致严重的计算错误，而这些错误可能很难纠正。

研究人员开发了基于统计的模型来估计量子位元周围不受欢迎的噪声源的影响，从而创造出保护这些噪声源的新方法，并对噪声机制本身有了更深的了解。但是，这些工具通常捕获简单的“高斯噪声”，本质上是来自大量源的随机干扰的集合。简而言之，它就像来自一大群人的喃喃低语的白噪音，在那里没有特别突出的干扰模式，所以量子位元不会受到任何特定来源的特别影响。在这种类型的模型中，噪声的概率分布将形成一个标准的对称钟形曲线，而不考虑单个贡献者的统计意义。

在今天发表在《自然通讯》杂志上的一篇论文中，研究人员描述了一种新工具，它首次测量了影响量子位元的“非高斯噪声”。这种噪声具有独特的模式，通常来自几个特别强的噪声源。

研究人员设计了分离背景高斯噪声的技术，然后使用信号处理技术重建关于这些噪声信号的非常详细的信息。这些重构可以帮助研究人员建立更真实的噪声模型，这可能使更可靠的方法来保护量子位元不受特定噪声类型的影响。研究人员说，现在需要这样的工具:量子比特的缺陷越来越少，这可能会增加非高斯噪声的存在。

“这就像在一个拥挤的房间里。如果每个人都用同样的音量说话，会有很多背景噪音，但我仍然可以保持自己的谈话。然而，如果有几个人说话特别大声，我就会不由自主地锁定他们的谈话。电子工程和计算机科学副教授、物理实践教授、麻省理工学院林肯实验室研究员、电子研究实验室(RLE)副主任William Oliver说。“对于有很多缺陷的量子位元来说，会有噪声去焦，但我们通常知道如何处理这种聚集，通常是高斯噪声。然而，随着量子位元的改进和缺陷的减少，个体开始脱颖而出，噪声可能不再是简单的高斯性质。我们也能找到处理这个问题的方法，但我们首先需要知道非高斯噪声的具体类型及其统计数据。”

达特茅斯大学(Dartmouth)物理学教授、论文合著者洛伦莎•维奥拉(Lorenza Viola)表示:“理论物理学家能够构想出一个想法，同时找到一个实验平台，而实验同事也愿意投入资金，把它搞清楚，这种情况并不常见。”“能够和麻省理工的团队取得如此重要的成果，我感到非常高兴。”

与奥利弗和维奥拉一同发表论文的有:第一作者宋扬kyu Sung, Fei Yan, Jack Y. Qiu, Uwe von Lupke, Terry P. Orlando和Simon Gustavsson，他们都来自RLE;林肯实验室的David K. Kim和Jonilyn L. Yoder;达特茅斯大学的费利克斯·博多因和利·m·诺里斯。

脉冲过滤器

在他们的工作中，研究人员利用了超导量子位元是探测自身噪声的良好传感器这一事实。具体来说，他们使用了一个“磁通”量子位元，它由一个超导回路组成，能够从周围环境中探测到一种特殊类型的破坏性噪声，称为磁通。

在实验中，他们通过注入工程磁通噪声来产生非高斯“去相位”噪声，干扰量子位元并使其失去相干性，从而使其作为测量工具。“通常，我们想要避免退相干，但在这种情况下，量子位元退相干如何告诉我们它周围环境中的噪声，”奥利弗说。

具体来说，他们拍摄了110个“pi脉冲”——用来翻转量子位元的状态——在几十微秒的特定序列中。每个脉冲序列都有效地创建了一个窄频“滤波器”，除了在特定频段之外，它可以屏蔽大部分噪声。通过测量量子位传感器对带通滤波噪声的响应，提取了该频段的噪声功率。

通过改变脉冲序列，他们可以上下移动滤波器来采样不同频率的噪声。值得注意的是，在这样做的过程中，他们跟踪了非高斯噪声如何明显地导致量子位元在这里解码，从而提供了非高斯噪声的高维谱。

误差抑制与校正

这项工作背后的关键创新是精心设计脉冲，使其成为提取“双谱”特性的特定滤波器。“双谱”是一种二维表示，可以提供关于非高斯噪声的独特时间相关性的信息。

本质上，通过重建双谱，他们可以发现非高斯噪声信号在时间上撞击量子位元的特性——这些特性在高斯噪声信号中不存在。一般的想法是，对于高斯噪声，在时间上两点之间只有相关性，这被称为“二阶时间相关性”。但是，对于非高斯噪声，某一时刻的特性将直接与未来多个时刻的特性相关。这种“高阶”相关性是非高斯噪声的特征。在这项工作中，作者能够提取三个时间点之间的相关性噪声。

这些信息可以帮助程序员验证和定制动态的错误抑制和量子位元的纠错代码，从而修复噪声引起的错误并确保精确的计算。

这些协议使用来自噪声模型的信息，使实现对实际量子计算机更有效。但是，由于噪声的细节还没有被很好地理解，今天的纠错代码在设计时就考虑了这个标准的钟形曲线。有了研究人员的工具，程序员既可以评估他们的代码在现实场景中如何有效工作，也可以开始关注非高斯噪声。

按照拥挤房间的类比，Oliver说:“如果你知道房间里只有一个大声说话的人，那么你就会设计一个代码来有效地压制那个人，而不是试图解决所有可能的情况。”