量子处理器作为前沿的研究课题, 即便各大世界顶级实验室和企业研究院们都在不断做出新的进展, 亟待解决的问题仍然层出不穷. 谷歌量子 AI 团队的一篇新博客就介绍了他们在量子处理器性能稳定问题下的新研究成果.
谷歌量子 AI 团队的研究方向之一是基于超导电子电路构建量子处理器, 这是一种实现量子比特 (qubits) 的值得期待的候选方案. 虽然超导电路可以容纳数以十计的量子比特, 在今年 3 月谷歌公布的 72 位量子比特处理器上已经展现了顶级的计算性能与可拓展性, 但有一项突出的挑战是如何稳定量子处理器的表现, 实际上, 处理器的性能会出现涨落, 且无法预测. 虽然我们已经在许多超导量子比特架构中观察到了性能涨落, 但研究人员们仍然尚未弄清它的来源, 更不用说做出相应的改进来提升处理器性能的稳定性了.
这周的物理评论通讯期刊 (Physical Review Letters) 发表了谷歌量子 AI 团队的论文Fluctuations of Energy-Relaxation Times in Superconducting Qubits, 其中研究人员们把量子比特作为探测器, 检测它们所在的环境, 最终发现性能涨落的支配因素是材料的缺陷. 他们的试验方法是探究量子比特的能量弛豫时间(energy relaxation times,T1), 这是一种热门的性能评价指标, 它衡量的是一个量子比特从激发态回落到基态的能量弛豫过程经过的时间的长短. 能量弛豫时间是操作频率和时间的函数.
在 T1 的测量过程中, 谷歌量子 AI 团队发现某些量子比特的操作频率要比其它量子比特显著地差一些, 形成了一些能量弛豫的危险区, 如下图. 他们的研究表明, 之所以会有这些危险区是由于材料的缺陷, 这些缺陷自己形成了新的局部量子系统, 当它们的频率和量子比特的频率有交叠 (也就是形成共振) 时, 它们就会从量子比特中吸收能量. 令人惊讶的是, 他们还发现这些能量弛豫危险区不是固定的, 在几分钟到几小时的各种不同时间尺度中, 危险区的分布也有所不同. 根据这些观测结果, 谷歌量子 AI 团队得出结论, 正是材料缺陷在与量子比特之间产生, 脱离共振的过程中的频率动态特性对性能涨落造成了最为显著的影响.
这些缺陷, 一般被称为二阶系统, 研究人员们普遍认为它们存在于超导电路的材料界面中. 然而, 即便经过了几十年的研究, 它们的显微来源还是让研究人员感到迷惑. 在这项研究中, 除了明确了量子比特性能涨落的原因之外, 谷歌量子 AI 团队采集到的数据也为揭示缺陷动态特性的物理原理带来了曙光, 这正是谜题的重要部分. 有趣的是, 根据热力学定律, 研究人员们即便知道这些缺陷的存在, 本来也不认为它们会表现出任何动态特性. 它们的能量要比量子处理器中使用的热能高出一个数量级左右, 所以在这时它们应当是被冻住的. 现在发现它们其实并没有被冻住, 这说明它们表现出动态特性的原因可能是因为它们和其它缺陷之间产生了相互作用, 这些作用的能量要低得的多, 所以可以被量子处理器的热能激活.
研究人员们以往认为这样的材料缺陷是发生在原子尺度上的, 要比量子比特小百万倍. 如今发现量子比特可以用于检测单个这样的材料缺陷, 这也表明了量子比特是一种强有力的测量工具. 显然, 对材料缺陷的研究可以帮助解决材料物理中的突出问题, 可能同时还有些惊喜的是, 它也会对提高如今的量子处理器的性能有直接的启发. 实际上, 缺陷测量如今已经在谷歌量子 AI 团队的处理器设计与制造中得到了实施, 甚至用在了数学算法中, 它会帮助处理器在运行过程中躲避缺陷. 谷歌量子 AI 团队希望这项研究可以启发更多研究人员研究超导体电路中的材料缺陷问题.
来源: http://news.51cto.com/art/201809/582647.htm