雷鋒網(wǎng) AI 科技評論按：量子處理器作為前沿的研究課題，即便各大世界頂級實驗室和企業(yè)研究院們都在不斷做出新的進展，亟待解決的問題仍然層出不窮。谷歌量子 AI 團隊的一篇新博客就介紹了他們在量子處理器性能穩(wěn)定問題下的新研究成果。雷鋒網(wǎng) AI 科技評論編譯如下。

谷歌量子 AI 團隊的研究方向之一是基于超導電子電路構(gòu)建量子處理器，這是一種實現(xiàn)量子比特（qubits）的值得期待的候選方案。雖然超導電路可以容納數(shù)以十計的量子比特，在今年 3 月谷歌公布的 72 位量子比特處理器上已經(jīng)展現(xiàn)了頂級的計算性能與可拓展性，但有一項突出的挑戰(zhàn)是如何穩(wěn)定量子處理器的表現(xiàn)，實際上，處理器的性能會出現(xiàn)漲落，且無法預測。雖然我們已經(jīng)在許多超導量子比特架構(gòu)中觀察到了性能漲落，但研究人員們?nèi)匀簧形磁逅膩碓?，更不用說做出相應的改進來提升處理器性能的穩(wěn)定性了。

這周的《物理評論通訊》期刊（Physical Review Letters）發(fā)表了谷歌量子 AI 團隊的論文《Fluctuations of Energy-Relaxation Times in Superconducting Qubits》，其中研究人員們把量子比特作為探測器，檢測它們所在的環(huán)境，最終發(fā)現(xiàn)性能漲落的支配因素是材料的缺陷。他們的試驗方法是探究量子比特的能量弛豫時間（energy relaxation times，T₁），這是一種熱門的性能評價指標，它衡量的是一個量子比特從激發(fā)態(tài)回落到基態(tài)的能量弛豫過程經(jīng)過的時間的長短。能量弛豫時間是操作頻率和時間的函數(shù)。

在 T₁ 的測量過程中，谷歌量子 AI 團隊發(fā)現(xiàn)某些量子比特的操作頻率要比其它量子比特顯著地差一些，形成了一些能量弛豫的危險區(qū)，如下圖。他們的研究表明，之所以會有這些危險區(qū)是由于材料的缺陷，這些缺陷自己形成了新的局部量子系統(tǒng)，當它們的頻率和量子比特的頻率有交疊（也就是形成共振）時，它們就會從量子比特中吸收能量。令人驚訝的是，他們還發(fā)現(xiàn)這些能量弛豫危險區(qū)不是固定的，在幾分鐘到幾小時的各種不同時間尺度中，危險區(qū)的分布也有所不同。根據(jù)這些觀測結(jié)果，谷歌量子 AI 團隊得出結(jié)論，正是材料缺陷在與量子比特之間產(chǎn)生、脫離共振的過程中的頻率動態(tài)特性對性能漲落造成了最為顯著的影響。

這些缺陷，一般被稱為二階系統(tǒng)，研究人員們普遍認為它們存在于超導電路的材料界面中。然而，即便經(jīng)過了幾十年的研究，它們的顯微來源還是讓研究人員感到迷惑。在這項研究中，除了明確了量子比特性能漲落的原因之外，谷歌量子 AI 團隊采集到的數(shù)據(jù)也為揭示缺陷動態(tài)特性的物理原理帶來了曙光，這正是謎題的重要部分。有趣的是，根據(jù)熱力學定律，研究人員們即便知道這些缺陷的存在，本來也不認為它們會表現(xiàn)出任何動態(tài)特性。它們的能量要比量子處理器中使用的熱能高出一個數(shù)量級左右，所以在這時它們應當是被「凍住」的。現(xiàn)在發(fā)現(xiàn)它們其實并沒有被凍住，這說明它們表現(xiàn)出動態(tài)特性的原因可能是因為它們和其它缺陷之間產(chǎn)生了相互作用，這些作用的能量要低得的多，所以可以被量子處理器的熱能激活。

研究人員們以往認為這樣的材料缺陷是發(fā)生在原子尺度上的，要比量子比特小百萬倍。如今發(fā)現(xiàn)量子比特可以用于檢測單個這樣的材料缺陷，這也表明了量子比特是一種強有力的測量工具。顯然，對材料缺陷的研究可以幫助解決材料物理中的突出問題，可能同時還有些驚喜的是，它也會對提高如今的量子處理器的性能有直接的啟發(fā)。實際上，缺陷測量如今已經(jīng)在谷歌量子 AI 團隊的處理器設計與制造中得到了實施，甚至用在了數(shù)學算法中，它會幫助處理器在運行過程中躲避缺陷。谷歌量子 AI 團隊希望這項研究可以啟發(fā)更多研究人員研究超導體電路中的材料缺陷問題。

via ai.googleblog.com，雷鋒網(wǎng) AI 科技評論編譯

雷峰網(wǎng)版權(quán)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。