Regole quantitative per la calibrazione parallela e la manutenzione resiliente alla deriva di processori quantistici superconduttori su larga scala

Abstract degli autori

Con l’aumento delle dimensioni dei processori quantistici superconduttori, fino a raggiungere centinaia di qubit, la calibrazione manuale diventa sempre più costosa e difficile da sostenere. Qui affrontiamo due fattori a livello di sistema che incidono sulla calibrazione automatizzata: il crosstalk indotto dalle operazioni parallele e la deriva temporale dei parametri di controllo. Su un processore superconduttore a 66 qubit, il cross-entropy benchmarking mostra che la calibrazione a singolo qubit tollera operazioni concorrenti sull’intero chip con una perdita minima di fedeltà, mentre la calibrazione CZ richiede una distanza minima di quattro nel grafo degli accoppiatori per evitare un aumento degli errori di controllo. Il monitoraggio continuo di parametri rappresentativi di qubit e accoppiatori consente inoltre di ricavare regole quantitative di aggiornamento, che assegnano la priorità in base al consumo del budget di errore. Questi risultati trasformano in regole operative misurabili due scelte tradizionalmente basate su euristiche: la densità di concorrenza delle attività di calibrazione e la priorità di aggiornamento di ciascun parametro di controllo. Implementate in un framework di calibrazione automatizzata, le regole consentono di ottenere uno stato Greenberger-Horne-Zeilinger a sei qubit con una fedeltà estrapolata a rumore nullo dell’89,64%, una soppressione dell’errore logico dipendente dalla distanza in un benchmark a ciclo singolo del codice di ripetizione e una riduzione dell’errore medio a singolo qubit da 0,023 a 0,011 su un processore a 337 qubit. Offrono così un riferimento fondato su risultati sperimentali per la calibrazione e la manutenzione automatizzate degli attuali e futuri sistemi quantistici superconduttori su larga scala.