查看原文
其他

迈向通用硅量子计算机:SQC新创常温、抗干扰自旋量子比特读出技术

光子盒研究院 光子盒 2023-03-04
光子盒研究院出品

澳大利亚硅量子计算公司(Silicon Quantum Computing, SQC)向通用量子计算迈出了重要一步。SQC的科学家开发了一种新方法,可以使自旋量子比特的关键读出阶段更快、更容易并且更不容易受到干扰。9月7日,研究成果以《用于鲁棒高保真自旋量子比特读出的斜坡测量技术》为题[1],发表在《科学进展》上。


01
量子比特读出,需减少环境噪声干扰

读出阶段是量子计算机解决问题过程中的第三个关键步骤。分为三个阶段:

  • 设置——“初始化阶段”将设备设置为准备好将问题编码到计算机中的精确状态。
  • 计算——量子比特相互作用的“控制阶段”,计算发生。
  • 结果——“读出阶段”需要仔细测量量子比特的最终状态,以确定结果或计算答案。最后阶段需要快速、准确和稳健,以使编码在量子比特中的结果不会漂移和出错。

然而,量子比特对其环境极为敏感,环境噪声会干扰它们的测量。

传统上,在测量量子比特自旋状态时,测量是基于恒定电信号是否发生变化。在SQC的新协议中,电信号是一个“斜坡”(ramp),测量依赖于信号何时发生变化。通过使用可变电压斜坡,读出现在对环境噪声具有鲁棒性,而无需进行耗时的校准。

这一结果进一步证明了SQC在其技术路线图上对纠错量子计算机的关注和进展。

SQC路线图

02
斜坡自旋测量:在低场/高温环境中实现高保真读出

迄今为止,已经开发了三种主要的单次读出过程:能量选择测量(ESM),时间选择测量(TSM),或通过第二个交换耦合的辅助量子比特使用泡利自旋封锁。在所有情况下,读出过程的保真度都受到系统温度的限制,必须保持在量子比特自旋态能量差以下。ESM依赖于量子比特状态在能量上的分离,提供了一个与状态有关的电荷转换;相反,TSM依靠的是对特定电荷转换具有不同隧穿率的量子比特状态。

此次实验中,团队展示了另一种测量技术——斜坡自旋测量(RSM),它对高温/低磁场操作具有弹性;与ESM相比,它可以更好地扩展到大量量子比特。RSM和ESM之间的根本区别是电子自旋态的隧穿率在协议期间随时间连续变化,而不是固定不变。团队实验证明,通过使用RSM,我们可以在测量时间EZ≈7kB内保持>99%的自旋读出保真度,这在时间上与ESM相当,但RSM技术可用于用于大约两倍于ESM的温度。

ESM和RSM技术的比较。a)ESM的电化学势示意图和相应的电压脉冲;b)在ESM期间,附近电荷传感器的相应信号。在读出阶段,自旋上升状态被检测为电荷传感器信号中的一个特征点。c)RSM的电化学势示意图。负载(黄色)和空(蓝色)阶段与ESM的相同。在读出阶段,电化学势是连续斜坡。D)RSM的相应电荷传感器信号。电荷传感器信号在某一阈值时间之前的突变表明自旋电子的存在。

比较不同的读出方法在达到指定的读出保真度时,可能出现的磁场与电子温度和读出时间的最小比率:RSM和优化调整的ESM可以在两倍的温度下达到与实用ESM(ϵ = 0)相同的保真度。

在实验装置中,团队通过优化的斜坡速率,最终在B = 1.5 T ( B = 0.8 T)时获得了99.89 ± 0.02% (99.95 ± 0.01%)的基态到电荷转换可见度,电子温度为~110 mK;电子自旋态初始化实验中,斜坡时间小于100 μs在随机初始化时饱和,而斜坡时间大于10 ms在初始化时饱和∣↓>,初始化斜坡的中间时间尺度可用于实现任意旋转分数。

坡度自旋初始化协议的验证

03
读出性能优势,有望扩展至大型量子比特系统

此次实验中,SQC团队提出并展示了一种用于半导体自旋量子比特的读出技术,该技术可以在低场/高温环境中实现高读出保真度,并且对电噪声具有鲁棒性。读出协议是能量选择自旋读出和时间相关自旋读出的组合,并提供了优于ESM和TSM的许多实用优势。

最后,文章中表示[2]:“RSM优于ESM的优势将允许简单的单次、低磁场测量,可以很容易地扩展到大型量子比特系统。”

参考链接:
[1]https://www.science.org/doi/10.1126/sciadv.abq0455
[2]http://sqc.com.au/2022/09/08/sqc-scientists-develop-a-better-way-to-measure-qubits/

相关阅读:
首次发现:硅是限制超导量子处理器性能的主要因素
半导体新的春天?研究表明,硅量子比特也可以构建量子互联网
硅自旋量子比特迈向工业化:使用FDSOI实现线性硅量子点阵列
9000万美元!硅基量子计算融资最高记录
支持量子计算,半导体巨头推出新的硅光子平台

#光子盒视频号开通啦!你要的,这里全都有#

每周一到周五,我们都将与光子盒的新老朋友相聚在微信视频号,不见不散!
你可能会错过:

您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存