Enhancing Quantum Memory Lifetime with Measurement-Free Local Error Correction and Reinforcement Learning
作者: Mincheol Park, Nishad Maskara, Marcin Kalinowski, Mikhail D. Lukin
分类: quant-ph, cs.LG, physics.comp-ph
发布日期: 2024-08-18 (更新: 2024-12-03)
备注: 12 + 12 pages, 17 figures; Added Appendix C-5 and references for Section IV & Generally shortened the text to improve readability
期刊: Phys. Rev. A 111, 012419 (2025)
DOI: 10.1103/PhysRevA.111.012419
💡 一句话要点
提出基于强化学习的无测量局部量子纠错方法，提升量子存储寿命
🎯 匹配领域: 支柱二：RL算法与架构 (RL & Architecture)
关键词: 量子纠错 强化学习 局部纠错 量子存储 量子计算
📋 核心要点
- 传统量子纠错依赖全局测量，成本高昂且易引入新错误，限制了量子计算的扩展性。
- 论文提出一种基于强化学习的无测量局部纠错（LEC）电路优化方法，利用局部错误信息进行纠错。
- 实验表明，优化后的LEC电路在延长量子存储寿命方面优于传统方法，并可降低测量频率。
📝 摘要（中文）
为了实现可靠的量子计算，需要系统地识别和纠正量子硬件中发生的错误。标准的量子纠错协议通常利用通过辅助量子比特的中途测量获得的全局错误信息。本文研究了基于局部错误信息的无测量电路级纠错协议。这种局部纠错（LEC）电路包含有缺陷的多量子比特门，用于执行综合征提取和辅助量子比特控制的错误移除。我们开发并实现了一个强化学习框架，该框架以一组固定的有缺陷的门作为输入，并输出一个优化的LEC电路。为了评估这种方法，我们定量地表征了通过噪声LEC电路延长逻辑量子比特寿命的效果。对于2D经典Ising模型和4D toric code，我们的优化LEC电路在亚阈值门错误状态下，比基于Toom规则的传统LEC电路在延长存储寿命方面表现更好。我们进一步表明，这种电路可以用于降低中途测量的速率，以保持2D toric code的存储。最后，我们讨论了LEC协议在具有拓扑相的量子态的耗散制备中的应用。
🔬 方法详解
问题定义：量子计算面临的主要挑战之一是量子比特的退相干和错误累积。传统的量子纠错方法依赖于对辅助量子比特进行中途测量以获取全局错误信息，但这种测量本身会引入额外的错误，并增加量子计算的复杂性。因此，需要一种更高效、更可靠的量子纠错方法，能够在不进行全局测量的情况下纠正错误，延长量子存储寿命。
核心思路：本文的核心思路是利用局部错误信息，设计一种无测量的局部纠错（LEC）电路。该电路使用有缺陷的多量子比特门，同时执行综合征提取和辅助量子比特控制的错误移除。通过优化这些门的连接方式和参数，可以有效地纠正局部错误，而无需进行全局测量。强化学习被用于寻找最佳的电路配置，以最大化量子存储寿命。
技术框架：该方法的技术框架包括以下几个主要模块：1) 定义一组固定的、有缺陷的量子门作为基本构建块；2) 使用这些门构建LEC电路，该电路能够执行综合征提取和错误纠正；3) 利用强化学习算法，优化LEC电路的结构和参数，以最大化量子存储寿命；4) 通过数值模拟，评估优化后的LEC电路在不同量子模型（如2D Ising模型和4D toric code）中的性能。
关键创新：该方法最重要的技术创新点在于：1) 提出了一种无测量的局部纠错方案，避免了全局测量引入的额外错误；2) 将强化学习应用于量子纠错电路的优化，能够自动搜索最佳的电路配置；3) 证明了优化后的LEC电路在延长量子存储寿命方面优于传统方法。
关键设计：在强化学习框架中，状态空间定义为量子比特的状态和LEC电路的配置，动作空间定义为对LEC电路的连接方式和参数的修改。奖励函数被设计为与量子存储寿命相关，目标是最大化累积奖励。具体的网络结构和参数设置（如学习率、折扣因子等）未知，论文中可能未详细描述。
🖼️ 关键图片
📊 实验亮点
实验结果表明，对于2D经典Ising模型和4D toric code，优化后的LEC电路在亚阈值门错误状态下，比基于Toom规则的传统LEC电路在延长存储寿命方面表现更好。此外，该方法还可以降低中途测量的速率，从而进一步提高量子存储的稳定性。具体的性能提升幅度未知，论文中可能提供了更详细的数值结果。
🎯 应用场景
该研究成果可应用于构建更稳定、更可靠的量子计算机，尤其是在量子存储和量子通信领域。通过延长量子存储寿命，可以提高量子算法的执行效率和精度。此外，该方法还可以应用于量子材料的耗散制备，例如制备具有拓扑相的量子态。
📄 摘要（原文）
Reliable quantum computation requires systematic identification and correction of errors that occur and accumulate in quantum hardware. To diagnose and correct such errors, standard quantum error-correcting protocols utilize $\textit{global}$ error information across the system obtained by mid-circuit readout of ancillary qubits. We investigate circuit-level error-correcting protocols that are measurement-free and based on $\textit{local}$ error information. Such a local error correction (LEC) circuit consists of faulty multi-qubit gates to perform both syndrome extraction and ancilla-controlled error removal. We develop and implement a reinforcement learning framework that takes a fixed set of faulty gates as inputs and outputs an optimized LEC circuit. To evaluate this approach, we quantitatively characterize an extension of logical qubit lifetime by a noisy LEC circuit. For the 2D classical Ising model and 4D toric code, our optimized LEC circuit performs better at extending a memory lifetime compared to a conventional LEC circuit based on Toom's rule in a sub-threshold gate error regime. We further show that such circuits can be used to reduce the rate of mid-circuit readouts to preserve a 2D toric code memory. Finally, we discuss the application of the LEC protocol on dissipative preparation of quantum states with topological phases.