MITOS: Una piedra mágica cuántica para el diseño de códigos de superficie

Área de la Ciencia:

• La computación cuántica
• Ciencia de la información cuántica

Sus antecedentes:

• La optimización del parámetro de corrección de error cuántico (QEC) es vital debido al ruido físico diverso en las computadoras cuánticas.
• Los métodos tradicionales de simulación avanzada para obtener tasas de error lógico pueden requerir muchos recursos.
• El ajuste manual de los parámetros QEC es ineficiente debido a las fluctuaciones diarias de la tasa de error cuántico.

Objetivo del estudio:

• Para presentar MITS, una nueva herramienta de ingeniería inversa para STIM.
• Automatizar la determinación de parámetros óptimos de QEC basados en modelos específicos de ruido de hardware cuántico y objetivos de tasas de error lógico.
• Minimizar la utilización de qubits y puertas alineando las configuraciones de QEC con las restricciones de hardware.

Principales métodos:

• Desarrolló MITS, una herramienta de ingeniería inversa que interactúa con STIM.
• Investigó varios modelos heurísticos y de aprendizaje automático para la optimización de parámetros.
• Se utilizaron los modelos de regresión XGBoost y Random Forest.

Principales resultados:

• MITS determina automáticamente los ajustes óptimos de QEC para los modelos de ruido dados y las tasas de error objetivo.
• Los modelos XGBoost y Random Forest demostraron una alta eficacia, logrando coeficientes de correlación de Pearson de 0,98 y 0,96, respectivamente.
• El enfoque minimiza el uso de qubits y puertas al hacer coincidir con precisión las tasas de error lógico con las restricciones de hardware.

Conclusiones:

• MITS ofrece una solución eficiente para optimizar los parámetros QEC en la computación cuántica.
• El ajuste automatizado de parámetros mediante el aprendizaje automático mejora significativamente la eficiencia de los recursos.
• Este método es crucial para avanzar en las estrategias prácticas de corrección de errores cuánticos.