量子科技中心_量科网

量子退火器在解决某些组合优化问题方面显示出潜力，尽管其性能通常受到可扩展性和错误率的限制。该工作提出了一种神经量子数字孪生（NQDT）框架，该框架重建了与量子退火相关的量子多体系统的能量景观。该数字孪生模型模拟了基态和激发态动力学，从而能够详细模拟绝热演化过程。该研究团队在具有已知解析解的系统上对NQDT进行了基准测试，并证明其能够准确捕捉关键的量子现象，包括量子临界性和相变。利用这一框架，研究人员可以识别出能够最小化激发相关错误的最佳退火方案。这些发现突显了基于神经网络的数字孪生作为诊断和优化工具在提高量子退火器性能方面的实用性。