タグ: 量子ビットの漏れ推定

  • 量子ビットの「漏れ」を測るパルス設計:強化学習で見分けやすい応答を探す

    量子ビットの「漏れ」を測るパルス設計:強化学習で見分けやすい応答を探す

    量子ビットは、計算に使う二つの状態だけで動くとは限りません。操作の途中で別のエネルギー準位へ移ってしまう「漏れ」が起きると、0と1の範囲だけを見た誤りの説明では足りなくなります。対策を選ぶには、まず、どの程度漏れやすい装置なのかを測る必要があります。

    2026年11月11日に公開されたTing Wang氏らのプレプリントは、漏れに関わるパラメーターを測りやすくするパルス列を、強化学習で探す研究です。安徽大学、上海交通大学、中国科学技術大学、香港理工大学の研究者らが、三準位モデルと、損失を有効的に表した二準位モデルを数値計算で調べています。実機で漏れを減らした報告ではなく、漏れの強さの違いが、測定結果に現れやすい制御を設計する試みです。[1]

    簡単にまとめると?

    • パルスの位相だけでなく、共鳴周波数からのずれである離調も調整し、漏れのパラメーターに敏感な応答を探します。
    • 漏れ先の準位を直接数える場合と、検出されなかった試行を損失として数える場合は、異なる測定モデルです。検出に成功した結果だけに絞ってはいません。
    • 学習で得た感度、有限回の測定から推定する誤差、実機での実現性は別々に確認する必要があります。今回の結果は、指定されたモデルと制御条件でのシミュレーションです。

    漏れを止めるパルスと、漏れを調べるパルス

    計算用の二状態を|0⟩、|1⟩とすると、通常のビット反転はその二状態の間の誤りです。漏れでは、計算に使わない|2⟩などへ状態の占有確率が移ります。装置を操作するパルスが、この移動にも影響します。

    計算中は漏れを抑えたい一方、装置の性質を調べる場面では、漏れの強さが少し違ったときに、測定結果の確率がどう変わるかを見たいわけです。どの強さでもほぼ同じ結果が出るパルスでは、違いを見分けにくくなります。

    本研究は後者の測定設計を扱っています。学習の評価値は、計算結果の正しさや量子ゲートの忠実度ではなく、漏れに関係するパラメーターの情報を、決められた測定からどれだけ取り出せるかです。測定に適したパルスを、そのまま計算中の漏れ抑制パルスとして使えるとは限りません。

    フィッシャー情報は、何を見分けやすいかの指標

    論文の中心となる指標は、古典フィッシャー情報(CFI)です。これは、推定したいパラメーターを少し変えたとき、各測定結果の確率がどのくらい変わるかを、その結果の起こりやすさも含めて評価します。同じ確率分布がほとんど動かなければ、小さなパラメーター差を見分けるのは難しくなります。

    対して量子フィッシャー情報(QFI)は、正規化された量子状態に含まれる局所的なパラメーター感度を表し、通常の条件では、測定方法を選ぶ際の情報量の上限になります。CFIが同じ状態のQFIに近ければ、採用した測定が、その状態にある情報の多くを取り出せていると読めます。

    ただし、それは「あらゆるパルスの中で最適な状態を発見した」という意味ではありません。今回のQFIとの比較は、学習で得た同じパルス列によって生じた状態について行っています。また、測定回数が有限のときに生じる推定の偏りまで、CFI一つで決まるわけではありません。

    位相と離調を一緒に調整する理由

    位相は、駆動する波の周期の中でどの位置にいるかを表し、量子状態の遷移の経路や干渉に関わります。離調は、駆動する波の周波数と、対象の遷移が共鳴する周波数との差です。離調を変えると、状態を移しやすい条件も変わります。

    研究では、深層Qネットワーク(DQN)という強化学習法を使い、各時間区間で選べるパルスの位相や離調を、離散的な選択肢から選びます。試した制御によって感度がどう変わるかを評価し、次の選択の価値を学びます。代表的な比較は10パルスで行われ、パルス幅などは規格化した単位で固定されています。

    位相だけを変える場合と、位相・離調を一緒に変える場合では、後者のほうが応答を調整する自由度が増えます。三準位の計算では、離調が中間状態のエネルギーや漏れ先へ向かう共鳴条件を変え、位相は計算用の状態間のコヒーレントな遷移に関わります。二つを組み合わせることで、パラメーター差に応じて占有確率が変化しやすい経路を探せます。

    この学習は、数値モデルから得た状態の情報を入力にしています。具体的には、基準のパラメーターと少しずらしたパラメーターで二つの状態を発展させ、その実部・虚部をネットワークへ渡します。未知の実機の状態を、測定せずにすべて取得できる仕組みを示したものではありません。実験へ移す際には、モデルの同定や、どの情報で制御を決めるかを検討する必要があります。

    漏れ先を残すモデルと、損失を数えるモデル

    モデル 何を測り、何を含めるか
    三準位:|0⟩、|1⟩、|2⟩ 計算用の二状態から|2⟩への結合の強さを推定。漏れ先もモデル内に残り、三つの準位を数えます。
    有効的な二準位+損失結果 二状態に残る確率の減衰を推定。|0⟩、|1⟩の検出に加え、損失・無検出も第三の結果として数えます。

    三準位モデルでは、|2⟩へ移っても、モデル全体から確率が消えるわけではありません。ハミルトニアンはエルミートで、三準位全体の時間発展はユニタリーです。「計算用の範囲から漏れること」と「系全体から不可逆に失われること」を区別しています。

    二準位モデルでは、漏れ先を明示的に残さず、非エルミートな減衰項で表します。ただし情報量を評価する際は、二状態に残った結果だけを正規化し直すのではありません。試行総数が分かっていると仮定し、検出されなかった確率も数えることで、三つの結果の確率の合計を1にします。

    この仮定は、実験で重要になります。装置から失われたのか、検出器が取りこぼしたのか、別の原因で無検出になったのかを区別できなければ、同じモデルをそのまま当てはめられません。論文の理想化された観測モデルは、検出器の非効率や、ほかの未知の損失を明示的には含めていません。

    感度の向上を、どの条件で読めるか

    代表的な10パルスの結果では、三準位モデルのCFIは位相のみの制御で約400、位相と離調の制御で約577でした。有効二準位モデルでは約324から約399へ増えています。これらは、規格化したモデルのパラメーターに対する情報量であり、そのまま漏れ率の百分率や実機の精度を表す数値ではありません。

    三準位モデルの主な評価点は漏れの結合がゼロに近い境界にあります。確率がゼロになる項へ式をそのまま代入せず、正の側から近づいた極限で最終評価しています。一方、有効二準位モデルの動作点は減衰パラメーター0.025です。二つのモデルの数値を、共通の物理単位の感度として単純に順位付けすることはできません。

    パルス数を増やしたときの傾向も異なり、調べた範囲では三準位モデルがほぼ二乗、有効二準位モデルがほぼ一次の増加を示しました。どちらも、決められたモデルと観測方式での有限範囲の結果です。一般の損失系で、理想的な二乗則を回復したと読み替えるべきではありません。

    一回の良い結果、学習のばらつき、有限回の測定

    三準位モデルでは、代表例の約577という値に対して、初期乱数を変えた10回の学習の平均は約490、標準偏差は約35でした。代表例と複数回の統計は別です。学習によって良いパルスが見つかることと、毎回同じ性能に到達することは区別する必要があります。

    研究では、位相や離調の校正雑音、パルスの立ち上がりに有限の時間がかかる影響も数値的に調べています。特に立ち上がりが遅くなると感度が下がる例があり、理想的に瞬時に切り替えるパルス列だけで実現性を判断することはできません。

    さらに、有限回の測定結果から最尤推定を行う計算も実施しました。これは、得られた結果が最も起こりやすいパラメーターを選ぶ方法です。各条件で500組の模擬測定データをつくり、推定の偏りと平均二乗誤差を比較しています。ただし、この有限回の評価点は0.010〜0.030の探索区間内にある値で、三準位モデルのゼロ境界での評価と同一ではありません。

    学習したパルスは、固定共鳴の基準パルスより小さい推定誤差を示しました。一方、有限回の最尤推定には偏りがあり得るため、フィッシャー情報から計算するCramér–Raoの値は、ここでは局所的・漸近的な目安として扱われています。有限標本の誤差が必ずその曲線以上になるという使い方ではありません。

    測定方式まで含めて、パルスを評価する

    DQNは、ランダム探索やCRAB、GRAPEなどとも比較されていますが、探索の回数や更新の一回が表す仕事量は手法ごとに違います。論文も、同じ計算費用でDQNが速いことや、大域的な最適解を保証する比較ではないと明記しています。

    今回の研究から得られる判断軸は、漏れの定義、数える測定結果、使えるパルスの範囲、推定するパラメーターの動作点をそろえることです。そのうえで、感度だけでなく、有限回の推定誤差と制御の不完全さへの耐性を確認する必要があります。

    代表的なパルス列と学習条件は論文に記載されていますが、研究データとソフトウェアは公開されていないと著者らは述べています。本記事は原論文の数値と条件を確認したもので、計算を独立に再現したものではありません。実機での漏れの測定や、測定した値を使う誤り訂正への接続は、今後の検証課題です。

    出典

    1. Ting Wangほか「High-precision measurement of level leakage via intelligent coherent control」、arXiv:2611.15031v1、2026年11月11日提出。本文、Appendix A・B、Figure 1〜10、Table I〜IIIを参照。