量子科技中心_量科网

利用最小化资源实现量子态读取是可扩展量子信息处理的关键。作为领先平台，中性原子阵列依赖原子荧光成像实现量子比特读取，需要短曝光、低光子数方案来抑制加热效应和原子损失，同时支持电路中途反馈。然而在单光子区域存在根本性挑战——严重的态分布重叠会导致传统阈值判别法失效。该研究团队报告了一种用于中性原子阵列荧光读取的AI加速贝叶斯推断方法。该方法利用贝叶斯推断实现了短曝光条件下单光子级的可靠态检测，并提出仅需校准单个态的弱锚定贝叶斯方案，解决了各量子平台普遍存在的非对称校准难题。通过采用置换不变神经网络将迭代推断压缩为单次前向计算，实现了100倍加速。在直方图重叠度达61%和72%时，该方法的相对读取保真度分别超过99%和98%，成功提取了传统阈值法无法获得的拉比振荡和拉姆齐干涉结果。该框架支持大规模原子阵列的可扩展实时读取，为AI增强的量子计算与量子传感技术开辟了新途径。