En una publicación reciente en Nature Physics, investigadores de Google Quantum AI y otros institutos abordaron un desafío crítico en la computación cuántica: la susceptibilidad de los qubits, específicamente los de los dispositivos cuánticos de Google, a errores, particularmente errores de inversión de bits y de fase. Estos errores dificultan la creación de una computadora cuántica confiable. La corrección de errores cuánticos (QEC) ha sido un enfoque prometedor, pero enfrenta obstáculos debido a varios mecanismos de error más allá de los errores de inversión de bits y de fase.
El artículo identifica una fuente adicional de errores que surgen de niveles de energía más altos, conocidos como estados de fuga, en los qubits transmon, los qubits superconductores que forman la base de los procesadores cuánticos de Google. Estos estados de fuga pueden corromper los qubits cercanos durante las operaciones cuánticas, particularmente durante la operación de la puerta CZ, ampliamente utilizada, provocando errores operativos y obstaculizando la ejecución del algoritmo.
Para superar este desafío, los investigadores introdujeron una nueva operación cuántica llamada Eliminación de fugas de Qubit de datos (DQLR). DQLR apunta específicamente a estados de fuga en qubits de datos y los convierte de manera eficiente en estados computacionales. Este proceso implica una puerta de dos qubits, Leakage iSWAP, inspirada en la puerta CZ, seguida de un reinicio rápido del qubit de medida para eliminar errores.
El estudio demuestra que DQLR reduce significativamente las poblaciones promedio de estados de fuga en todos los qubits, de casi el 1% a aproximadamente el 0,1%. Es importante destacar que DQLR evita un aumento gradual en la fuga de qubits de datos que se observaba antes de su implementación.
Sin embargo, los investigadores enfatizan que la eliminación de las fugas por sí sola no es suficiente. Realizaron experimentos de corrección de errores cuánticos (QEC) con DQLR entrelazado al final de cada ciclo, asegurando la compatibilidad con la preservación de un estado cuántico lógico. Los resultados mostraron una mejora notable en la métrica de probabilidad de detección, lo que indica una ejecución exitosa de QEC. Además, DQLR superó a un método llamado Medición de eliminación de fugas (MLR), que, si bien era eficaz para reducir las fugas, también borraba el estado cuántico almacenado.
En conclusión, DQLR es prometedor para experimentos QEC a gran escala, anticipando mecanismos de error mejorados fuera de las fugas y una mayor sensibilidad a las fugas en redes transmon más grandes. Los investigadores creen que comprender y abordar eficazmente las fugas y sus errores asociados representa un importante paso adelante en la realización de un protocolo QEC de código de superficie en una gran red de qubits transmon. Los investigadores han identificado y abordado un desafío crítico en la computación cuántica mediante la introducción de la operación DQLR, que elimina de manera eficiente los estados de fuga y mejora la estabilidad de los procesos QEC. Los resultados ofrecen un camino prometedor hacia la consecución de una computadora cuántica fiable y funcional.
Revisar la Papel. Todo el crédito por esta investigación va a los investigadores de este proyecto. Además, no olvides unirte. nuestro SubReddit de 32k+ ML, 41k+ comunidad de Facebook, Canal de discordia, y Boletín electrónicodonde compartimos las últimas noticias sobre investigaciones de IA, interesantes proyectos de IA y más.
Si te gusta nuestro trabajo, te encantará nuestra newsletter.
también estamos en Telegrama y WhatsApp.
Pragati Jhunjhunwala es pasante de consultoría en MarktechPost. Actualmente está cursando su B.Tech en el Instituto Indio de Tecnología (IIT), Kharagpur. Es una entusiasta de la tecnología y tiene un gran interés en el alcance del software y las aplicaciones de ciencia de datos. Siempre está leyendo sobre los avances en diferentes campos de la IA y el ML.