量子科技中心_量科网

量子计算需要优化控制脉冲以实现高保真度的量子门操作。该研究团队提出了一种基于机器学习的方案，以解决梯度评估和复杂系统动力学建模的难题。通过训练循环神经网络（RNN）来预测量子比特行为，该方法无需详细系统模型即可实现基于梯度的高效脉冲优化。首先，研究人员在弱先验假设下使用随机控制脉冲对量子比特动力学进行采样；随后基于系统观测响应训练RNN，并利用训练好的模型优化高保真度控制脉冲。该工作通过在单个ST₀量子比特上的仿真实验验证了该方法的有效性。