量子科技中心_量科网

多体纠缠是量子技术的核心资源，然而在噪声干扰的量子设备中实现其可扩展生成仍具挑战性。该研究团队受记忆型光子元件启发，提出了一种具有线性扩展性的低深度量子神经网络架构，用于变分纠缠工程。该网络融合了物理启发的非线性激活函数，在固定深度下实现了超越线性变分电路的表达能力。通过对电路拓扑进行蒙特卡洛采样，研究人员发现了能高效生成接近GHz极限高度纠缠纯态的结构，并在20量子比特规模内证明了非线性网络的显著优势。针对噪声环境，该工作采用实验可测的Meyer-Wallach全局纠缠度作为替代优化代价，并利用二分体负度认证纠缠。对于10量子比特以内的混合态，优化后的电路在对称与非对称二分划分中均产生了显著纠缠。这些成果为在近期量子设备上建立实验可行的可扩展变分框架提供了理论基础，同时揭示了非线性特性与电路拓扑结构的协同作用。