機器學習提高多比特讀取保真度 大幅度抑制讀取串擾效應

記者從中國科學技術大學獲悉，該校郭光燦院士團隊郭國平教授研究組與本源量子計算公司合作，在本源“夸父”6比特超導量子芯片上研究了串擾對量子比特狀態讀取的影響，并創新性地提出使用淺層神經網絡來識別和讀取量子比特的狀態信息，從而大幅度抑制了串擾的影響，進一步提高了多比特讀取保真度。該成果日前以研究長文形式發表于《應用物理評論》上。

對量子比特狀態的高保真度測量，是量子計算中的關鍵一環。在超導量子計算中，對量子比特的讀取依賴于量子比特與讀取諧振腔之間的色散耦合，通過探測讀取腔的色散頻移效應可以推測量子比特所處的狀態。近些年，國際上分別實現了高保真度的單比特單發讀取以及多比特的多路復用式單發讀取。然而，由于各種形式的雜散耦合的存在，鄰近比特的狀態可能會對目標比特的測量結果產生影響，從而降低測量保真度，進而降低量子算法的成功率。隨著量子芯片的進一步擴展，為了進一步提高讀取保真度，如何解決上述串擾問題將成為研究者們面臨的主要挑戰。

郭國平教授研究組與本源量子計算公司合作，通過對量子比特信息提取過程的抽象和模擬，提出一種新的量子比特讀取方案：通過訓練基于數字信號處理流程構建的淺層神經網絡，實現對量子比特狀態的精確識別與分類。研究人員將這一方案應用到本源“夸父”6比特超導量子芯片上，發現新的讀取方案不僅有效提升了6比特的讀取保真度，而且大幅度抑制了讀取串擾效應。

該方案不僅適用于超導量子計算，也同時適用于其他量子計算物理實現方案。(記者 吳長鋒)