量子科技中心_量科网

硅基交换型（EO）自旋量子比特通过成对的Heisenberg交换相互作用实现全电学量子比特控制，使其成为可扩展量子计算的有力候选方案。其主要脆弱性在于电荷噪声——该噪声以乘法方式耦合至交换耦合，从而降低门保真度。该工作提出一种两阶段物理信息神经网络（PINN）框架，用于逐门脉冲优化。在第一阶段（迭代1–100），PINN将噪声平均门保真度最大化至阈值F_th=0.99，脉冲持续时间固定为标称硬件值。一旦超过阈值，第二阶段（迭代101–250）通过持续微调脉冲形状参数，在保持F≥F_th的同时逐步压缩总脉冲时间。代价函数为蒙特卡洛集成均方误差（MSE），该误差通过每次迭代时重新抽取N_real=2000个准静态高斯噪声实现进行平均。该团队在噪声水平σ_J/J∈{1%,5%,10%}下，对单量子比特门集{X,Y,Z,H}和双量子比特门集{X,Y,Z,H,CX}进行了基准测试。所有单量子比特门均在首次100次迭代内达到F_th阈值；随后第二阶段将脉冲持续时间从标称值缩短20–40%。双量子比特门遵循相同的两阶段行为，其中CX门在1%噪声水平下从标称31 ns压缩至约22 ns。