量子科技中心_量科网

规模化量子计算机需要将低温控制电子设备与量子处理器紧密集成，此时数模转换器（DAC）面临着严格的功耗与面积限制。该研究团队在不同DAC分辨率条件下，探究了有限DAC精度约束对量子神经网络（QNN）训练与推理的影响。预训练的QNN在部署于配备6位DAC控制电子设备的量子系统时，其准确率与无限精度基准几乎无法区分——研究观察到超越4位分辨率后呈现收益递减的肘形曲线。然而在量化条件下训练时，当梯度幅值低于量化步长，12位以下分辨率会出现梯度死锁现象。该工作通过引入温控随机性机制，以概率化参数更新突破此限制，成功实现了4-10位分辨率下的训练，其表现显著匹配甚至超越了无限精度基准。这些发现证明，低分辨率控制电子设备不会影响量子机器学习性能，为量子硬件规模化扩展时实现低温控制系统功耗与面积的大幅缩减提供了可行路径。