中国科大在机器学习提高超导量子比特读取效率上取得新进展

据中国新闻网报道，中国科学技术大学郭光灿院士团队在机器学习提高超导量子比特读取效率上取得重要进展。

该团队郭国平教授研究组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，并创新性地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，从而大幅度抑制了串扰的影响，进一步提高了多比特读取保真度。

据了解，研究人员通过对量子比特信息提取过程的抽象和模拟，提出一种新的量子比特读取方案：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现场可编程逻辑门阵列上，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。该方案不仅适用于超导量子计算，也同时适用于其他量子计算物理实现方案。

该成果以研究长文的形式发表在国际应用物理知名期刊《Physical Review Applied》上。

广告声明：文内含有的对外跳转链接（包括不限于超链接、二维码、口令等形式），用于传递更多信息，节省甄选时间，结果仅供参考，IT之家所有文章均包含本声明。