Ricerca
Pipeline agentiche per mappare codici topologici sull’hardware quantistico
La mappatura di un Hamiltoniano prescritto a molti corpi su uno specifico hardware quantistico è in genere un processo approssimato, che dà luogo sia alle dinamiche quantistiche desiderate sia a…

- arXiv
- 2611.03329
- Pubblicato
- 2026-11-02
- Autori
- Arpit Arora, Adam Holmes, Krysta M. Svore, Taylor L. Patti
Abstract degli autori
La mappatura di un Hamiltoniano prescritto a molti corpi su uno specifico hardware quantistico è in genere un processo approssimato, che dà luogo sia alle dinamiche quantistiche desiderate sia a quelle indesiderate. Presentiamo un flusso di lavoro assistito da agenti di IA che usa Lean per stabilire se un Hamiltoniano efficace del dispositivo conserva il sottospazio a bassa energia previsto dell’Hamiltoniano a molti corpi bersaglio. Dimostriamo questo approccio con la correzione quantistica degli errori topologica (QEC), presentando, per quanto ne sappiamo, la prima pipeline verificata con Lean che collega uno spazio del codice agli stati a bassa energia di un modello del dispositivo. Partendo dai qubit e dai controlli di parità, la pipeline costruisce l’Hamiltoniano ideale i cui stati a energia più bassa formano lo spazio del codice previsto e determina il gap di eccitazione che protegge tale spazio. Verifica quindi se il dispositivo conserva il numero richiesto di stati isolati a bassa energia e quantifica quanto il loro sottospazio corrisponda a quello dello spazio del codice previsto. Confrontiamo tre limiti superiori sugli spostamenti energetici indesiderati, ottenuti sommando le intensità delle interazioni, raggruppando le interazioni di Pauli che anticommutano e diagonalizzando l’Hamiltoniano. Il raggruppamento di Pauli fornisce un limite più stretto rispetto alla somma convenzionale e più vicino al risultato della diagonalizzazione, evitando requisiti di compensazione eccessivamente conservativi. Il flusso di lavoro individua anche le interazioni indesiderate più forti e i qubit che ne sono interessati, fornendo obiettivi specifici per migliorare gli accoppiamenti e i controlli del dispositivo. Dimostriamo il nostro approccio con un array del codice torico a otto qubit su un dispositivo superconduttore, nel quale lo stesso dispositivo pilotato genera sia le interazioni richieste a quattro qubit sia dinamiche indesiderate. Un agente di IA individua parametri del dispositivo praticabili entro un budget di leakage prestabilito, e Lean verifica la presenza di quattro stati isolati a bassa energia vicini allo spazio del codice ideale. Il nostro flusso di lavoro supporta la progettazione predittiva dell’hardware per implementazioni analogiche dei codici QEC.
Il riassunto di questo paper è disponibile solo in inglese: leggilo nella pagina inglese.
Leggi il paper originale su arXiv