状态|中科大团队通过机器学习提高超导量子比特读取效率

近期 , 中科大郭光灿团队与本源量子计算公司合作 , 在本源“夸父”6比特超导量子芯片上研究了串扰对量子比特状态读取的影响 , 并提出使用浅层神经网络来识别和读取量子比特的状态信息 , 从而抑制串扰的影响 , 提高多比特读取保真度 。
相关成果发表在国际知名学术期刊《物理评论快报》上 。
对量子比特状态的高保真度测量是量子计算中的关键一环 。 研究者通过对量子比特信息提取过程的抽象和模拟 , 提出一种量子比特读取的新方案:通过训练基于数字信号处理流程构建的浅层神经网络 , 实现对量子比特状态的精确识别与分类 。
研究人员将这一方案应用到本源“夸父”6比特超导量子芯片上 , 实验发现 , 新的读取方案不仅有效提升了6比特的读取保真度 , 而且大幅度抑制了读取串扰效应 。 同时 , 由于新方案中的数据处理可以进一步简化为单步矩阵运算 , 未来可以直接转移到FPGA上 , 从而实现对量子比特状态的0延时判断以及对量子比特的实时反馈控制 。
【状态|中科大团队通过机器学习提高超导量子比特读取效率】(澎湃新闻采访人员 刘航)

    推荐阅读