毕磊
加好友
毕磊 2022-09-28
据论文第一作者、国防科技大学博士生薛诗川介绍,量子过程层析就像CT一样,通过输入和测量量子态完成对未知量子过程的“扫描”,可以重构量子过程的全部信息。这对研究复杂量子物理系统和开发量子计算机都非常必要。然而,标准的量子过程层析方法在量子态制备、测量和数据处理等方面都需要指数开销,限制了可层析系统的规模。而执行量子过程层析的量子装置本身也自带噪声,大大降低了层析的准确性。新方法通过引入量子纠缠,大幅减少了标准量子过程层析中的输入量子态数目,降低了所需的测量次数,又通过机器学习方法让实验系统中的各部分噪声在一定程度上相互抵消,能更精确地层析更大系统中的复杂量子过程。
“在新设计的硅基光量子计算芯片上,通过简单的机器学习方法,量子过程层析的平均保真度从92.38%提升至95.56%,未来引入新的优化策略还可进一步提升。”论文共同第一作者、国防科技大学博士生王易之说。
论文通信作者、QUANTA团队负责人吴俊杰研究员指出,这项工作说明机器学习方法这种人工智能技术在理解和克服噪声方面能够发挥重要作用。同时,量子计算加速人工智能问题的求解也是当前的研究热点。量子计算与人工智能的交叉方向——“量子人工智能”的突破有望成为继量子霸权之后量子计算发展的新里程碑。
特别声明:本文转载仅仅是出于传播信息的需要,并不意味着代表本网站观点或证实其内容的真实性;如其他媒体、网站或个人从本网站转载使用,须保留本网站注明的“来源”,并自负版权等法律责任;作者如果不希望被转载或者联系转载稿费等事宜,请与我们接洽。