中国科大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。

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。随着量子芯片的进一步扩展，为了进一步提高读取保真度，如何解决测量中的串扰问题将成为研究者们面临的主要挑战。在此之前，国际上其他课题组的主要精力集中在如何从硬件层面抑制串扰，例如为每一个量子比特的读取腔单独配置一个读取滤波器，或者增大读取腔之间的空间和频域距离。这些方案虽然在一定程度上抑制了串扰，但是都对量子芯片的扩展和集成产生了不利的影响。

基于这些出发点，郭国平教授研究组与本源量子计算公司合作，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。