量子科技中心_量科网

虚假耦合与退相干效应会降低固态量子处理器的性能，这要求研究人员精心设计系统、进行校准并实施纠错方案。这些策略通常依赖于对处理器空闲状态的特性表征，但（时间无关的）林德布拉德动力学的断层扫描重建会随量子比特数量呈指数级增长。本研究通过实验验证并证明：在超导transmon处理器上，随机化（“影子”）测量能加速林德布拉德断层扫描。研究团队首先实现了可扩展的林德布拉德断层扫描——该方法利用完整断层扫描数据集来估计林德布拉德参数，并以此为基准评估影子断层扫描方法“影子林德布拉德断层扫描”。在物理启发的局域性假设下，影子方法通过重复利用随机化配置，能以远少于传统方法的资源估计相同的林德布拉德参数。该团队通过在单量子比特和三量子比特子系统上实施这两种方案，实验验证了这些假设在处理器中的适用性：影子林德布拉德断层扫描在指数级减少配置数量的情况下，仍能在误差范围内复现可扩展方法的结果。利用这一高效特性，研究人员将影子林德布拉德断层扫描应用于五量子比特全处理器系统，仅用9小时采集时间就恢复了所有单量子比特耗散参数和双量子比特耦合参数，而可扩展方法预计需要58小时。此外，该影子方案与常规高斯误差传播兼容，无需使用均值中位数估计器。这些成果共同证明了随机化影子断层扫描方案可实际应用于探索量子处理器动力学，并为不断增加量子比特规模的系统提供了可行路径。