量子科技中心_量科网

加州大学圣地亚哥分校、加州大学伯克利分校、普林斯顿大学、普渡大学、劳伦斯伯克利国家实验室以及谷歌研究院的科学家们在预印本服务器arXiv上发表的一项新研究展示了一种观察“测量引发纠缠”的新方法。研究人员使用机器学习来检测量子测量所产生的隐藏纠缠，这为传统方法提供了一种可扩展的替代方案。他们在谷歌的Sycamore和Willow量子处理器上进行的实验表明，神经网络能够识别一维和二维量子比特阵列中的测量引发纠缠。这一方法有望为未来的量子纠错方案提供参考，因为它揭示了测量结果如何影响脆弱的量子比特。