Découvrir le « bruit » caché qui peut tuer les qubits

Les chercheurs du MIT et du Dartmouth College ont démontré, pour la première fois, un outil qui détecte de nouvelles caractéristiques du « bruit » environnemental qui peut détruire le fragile état quantique des qubits, les composants fondamentaux des ordinateurs quantiques. Cette avancée pourrait permettre de mieux comprendre les mécanismes microscopiques du bruit afin de trouver de nouvelles façons de protéger les qubits.

Qubits peut représenter les deux états correspondant aux bits binaires classiques, un 0 ou un 1. Mais ils peuvent aussi maintenir une « superposition quantique » des deux états simultanément, ce qui permet aux ordinateurs quantiques de résoudre des problèmes complexes qui sont pratiquement impossibles pour les ordinateurs classiques.

Mais la « cohérence » quantique d’un qubit – c’est-à-dire sa capacité à maintenir l’état de superposition – peut s’écrouler en raison du bruit provenant de l’environnement autour du qubit. Le bruit peut provenir de l’électronique de commande, de la chaleur ou d’impuretés dans le matériau qubit lui-même, et peut également causer de graves erreurs informatiques qui peuvent être difficiles à corriger.

Les chercheurs ont mis au point des modèles statistiques pour estimer l’impact des sources de bruit indésirables entourant les qubits afin de créer de nouvelles façons de les protéger et de mieux comprendre les mécanismes du bruit eux-mêmes. Mais, ces outils capturent généralement un « bruit gaussien » simpliste, essentiellement la collection de perturbations aléatoires provenant d’un grand nombre de sources. Bref, c’est comme un bruit blanc provenant du murmure d’une foule nombreuse, où il n’y a pas de motif perturbateur particulier qui ressort, de sorte que le qubit n’est pas particulièrement affecté par une source particulière. Dans ce type de modèle, la distribution de probabilité du bruit formerait une courbe en cloche symétrique standard, quelle que soit la signification statistique des différents contributeurs.

Dans un article publié aujourd’hui dans la revue Nature Communicationsles chercheurs décrivent un nouvel outil qui, pour la première fois, mesure le « bruit non gaussien » affectant un qubit. Ce bruit se caractérise par des motifs distinctifs qui proviennent généralement de quelques sources de bruit particulièrement fortes.

Les chercheurs ont conçu des techniques pour séparer ce bruit du bruit de fond gaussien, puis ont utilisé des techniques de traitement du signal pour reconstruire des informations très détaillées sur ces signaux de bruit. Ces reconstructions peuvent aider les chercheurs à construire des modèles de bruit plus réalistes, ce qui peut permettre de mettre au point des méthodes plus robustes pour protéger les qubits de types de bruit spécifiques. De tels outils sont maintenant nécessaires, affirment les chercheurs : Les Qubits sont fabriqués avec de moins en moins de défauts, ce qui pourrait augmenter la présence de bruit non gaussien.

« C’est comme être dans une pièce bondée. Si tout le monde parle avec le même volume, il y a beaucoup de bruit de fond, mais je peux toujours maintenir ma propre conversation. Cependant, si quelques personnes parlent particulièrement fort, je ne peux m’empêcher de m’en tenir à leur conversation. Cela peut être très distrayant « , dit William Oliver, professeur agrégé de génie électrique et d’informatique, professeur de physique, boursier du MIT Lincoln Laboratory et directeur associé du Research Laboratory for Electronics (RLE). « Pour les qubits présentant de nombreux défauts, il y a un bruit qui décohère, mais nous savons généralement comment gérer ce type de bruit, généralement un bruit gaussien. Cependant, à mesure que les qubits s’améliorent et qu’il y a moins de défauts, les individus commencent à se démarquer, et le bruit peut ne plus être simplement de nature gaussienne. Nous pouvons trouver des moyens de gérer cela aussi, mais nous devons d’abord connaître le type spécifique de bruit non gaussien et ses statistiques. »

« Il n’est pas courant pour les physiciens théoriciens d’être capables de concevoir une idée et de trouver une plateforme expérimentale et des collègues expérimentaux prêts à investir pour la concrétiser « , explique Lorenza Viola, co-auteure et professeur de physique à Dartmouth.. « C’était génial de pouvoir arriver à un résultat aussi important avec l’équipe du MIT. »

Se joignant à Oliver et Viola sur le papier sont : premier auteur Youngkyu Sung Youngkyu, Fei Yan, Jack Yan. Qiu, Uwe von Lüpke, Terry P. Orlando et Simon Gustavsson, tous de RLE ; David K. Kim et Jonilyn L. Yoder du Lincoln Laboratory ; et Félix Beaudoin et Leigh M. Norris de Dartmouth.

Filtres à impulsions

Pour leurs travaux, les chercheurs ont mis à profit le fait que les qubits supraconducteurs sont de bons capteurs pour détecter leur propre bruit. Plus précisément, ils utilisent un « flux » qubit, qui consiste en une boucle supraconductrice capable de détecter un type particulier de bruit perturbateur, appelé flux magnétique, dans son environnement environnant.

Dans les expériences, ils ont induit un bruit non gaussien de « déphasage » en injectant un bruit de flux qui perturbe le qubit et lui fait perdre sa cohérence, qui à son tour est utilisé comme un outil de mesure. « Habituellement, nous voulons éviter la décohérence, mais dans ce cas, la façon dont le qubit décohère nous renseigne sur le bruit dans son environnement « , explique Oliver.

Plus précisément, ils ont tourné 110 « pi-pulsations » – qui sont utilisées pour inverser les états des qubits – en séquences spécifiques sur des dizaines de microsecondes. Chaque séquence d’impulsions a effectivement créé un « filtre » à fréquence étroite qui masque une grande partie du bruit, sauf dans une bande de fréquence particulière. En mesurant la réponse d’un capteur qubit au bruit filtré par passe-bande passante, ils ont extrait la puissance de bruit dans cette bande de fréquences.

En modifiant les séquences d’impulsions, ils pouvaient déplacer les filtres de haut en bas pour échantillonner le bruit à différentes fréquences. Ce faisant, ils ont notamment suivi la façon dont le bruit non gaussien fait décohérer distinctement le qubit, ce qui a fourni un spectre à haute dimension du bruit non gaussien.

Suppression et correction des erreurs

La principale innovation qui sous-tend ce travail est l’ingénierie minutieuse des impulsions pour agir comme des filtres spécifiques qui extraient les propriétés du « bispectrum », une représentation bidimensionnelle qui donne des informations sur des corrélations temporelles distinctes du bruit non gaussien.

Essentiellement, en reconstruisant le bispectrum, ils pourraient trouver des propriétés de signaux de bruit non gaussiens qui empiètent sur la qubit avec le temps – des propriétés qui n’existent pas dans les signaux de bruit gaussiens. L’idée générale est que, pour le bruit gaussien, il n’y aura de corrélation qu’entre deux points dans le temps, ce que l’on appelle une « corrélation temporelle du second ordre ». Mais, pour le bruit non gaussien, les propriétés à un moment donné seront directement corrélées aux propriétés à de multiples moments futurs. De telles corrélations « d’ordre supérieur » sont la marque distinctive du bruit non gaussien. Dans ce travail, les auteurs ont été en mesure d’extraire le bruit avec des corrélations entre trois points dans le temps.

Ces informations peuvent aider les programmeurs à valider et à adapter les codes de suppression et de correction d’erreurs dynamiques pour les qubits, ce qui corrige les erreurs induites par le bruit et garantit un calcul précis.

De tels protocoles utilisent les informations du modèle de bruit pour réaliser des implémentations plus efficaces pour les ordinateurs quantiques pratiques. Mais comme les détails du bruit ne sont pas encore bien compris, les codes de correction d’erreurs d’aujourd’hui sont conçus en tenant compte de cette courbe en cloche standard. Avec l’outil des chercheurs, les programmeurs peuvent soit évaluer comment leur code fonctionnera efficacement dans des scénarios réalistes, soit commencer à se concentrer sur le bruit non gaussien.

Pour reprendre l’analogie de la pièce bondée, Oliver dit :  » Si vous savez qu’il n’y a qu’une seule personne bruyante dans la pièce, alors vous allez concevoir un code qui étouffe efficacement cette personne, plutôt que d’essayer d’aborder chaque scénario possible.