量子科技中心_量科网

连续变量（CV）量子系统为量子信息处理提供了通用平台，其中量子态可在正交相位空间中表示。在实际应用中，环境噪声（主要是光子损耗和退相干）会逐步劣化这些量子态。基于机器学习的量子误差缓解（QEM）技术近期成为抑制此类噪声的有效方法，但现有方案通常受限于训练范围，且需要覆盖整个演化过程的训练数据，这对实验提出了较高要求。本文提出一种基于时间条件Swin Transformer的外推式量子误差缓解框架。通过自适应层归一化显式嵌入演化时间，该模型在学习噪声连续累积规律的同时捕获相位空间中的非局域关联，从而构建修正映射。在马尔可夫与非马尔可夫噪声下的数值模拟表明，该方案能在现有方法失效的长时间演化场景中实现精确态恢复。这项研究确立了外推式QEM作为实用化路径的可行性，无需完备训练数据即可实现连续变量量子系统的噪声抑制。