利用最小数据平均与分层离散波动自动分割快速追踪与解耦量子比特噪声波动
量子物理
2025-05-30 v1
摘要
量子比特噪声及其随时间的波动是限制量子计算机性能的关键因素。由于离散跳变和连续漂移等多种重叠的随机过程，以高时间分辨率表征它们具有挑战性。因此，实验通常探测单个波动源，而不是由多个源引起的并发波动。为了克服这一限制，我们开发了一个框架，包含一种允许高时间分辨率且仅需最少测量的噪声表征方法，结合一种分层离散波动自动分割工具，以在无需人工干预的情况下解耦重叠的波动，从而实现对其长时间表征和追踪。我们表明，在transmon量子比特上，该方法可以在数小时内以几十毫秒的时间分辨率追踪并解耦量子比特频率波动。这使我们能够识别波动的起源为重叠的电荷宇称和双态系统切换。除了对波动起源的洞察外，我们的方法还提供了可用于改进量子比特校准、错误缓解和错误纠正的信息。
引用
@article{arxiv.2505.23622,
title = {Fast-tracking and disentangling of qubit noise fluctuations using minimal-data averaging and hierarchical discrete fluctuation auto-segmentation},
author = {Abhishek Agarwal and Lachlan P. Lindoy and Deep Lall and Sebastian E. de Graaf and Tobias Lindström and Ivan Rungger},
journal= {arXiv preprint arXiv:2505.23622},
year = {2025}
}