「定位点」新科学研究依靠神经网络来查清大中型量子计算机中的量子定位点

 「定位点」新科学研究依靠神经网络来查清大中型量子计算机中的量子定位点
文章图片
如此一来,将导致两个量子位门的运算错误,对给定计算产生了不准确的结果。在大规模的量子计算体系结构中,这种影响将呈指数级放大。
【 「定位点」新科学研究依靠神经网络来查清大中型量子计算机中的量子定位点】为帮助解决这一问题,2016 年的时候,墨尔本大学的研究人员使用了磷原子波函数的计算机扫描隧道显微镜图像,来确定其在硅上的空间位置。
这允许以单个晶格来高度精确地找到原子的量子点位,不过下一个挑战,就是如何将这种精确的空间定位方法,扩大到大规模、可容错的量子计算机体系结构中。
 「定位点」新科学研究依靠神经网络来查清大中型量子计算机中的量子定位点
文章图片
为开发此框架,研究人员现借助深度学习工具,在 10 万张数量级的 STM 图像集上开展卷积神经网络的计算训练,然后尝试对 1.76 万张测试图像进行识别。
结果发现,尽管这些图像带有真实环境中常见的模糊和不对称造型,卷积神经网络对测试图像的分类精度仍超过了 98% 。
实验证明了这种基于机器学习的技术能够以高通量、高精度和最少的人机交互,来处理量子比特的测量数据。
 「定位点」新科学研究依靠神经网络来查清大中型量子计算机中的量子定位点
文章图片
此外,研究表明该技术具有扩大由多个磷原子组成的量子比特的潜力。在这样的设置下,潜在的图像配置数量可成倍增加。
研究团队表示,这种基于机器学习的技术,能够在可容错的通用型量子计算机的开发商发挥关键作用,这也是全世界研究人员的终极目标。
有关这项研究的详情,已经发表在近日出版的《自然》期刊上,江苏龙网_原题为为:《Framework for atomic-level characterisation of quantum computer arrays by machine learning》。


    推荐阅读