量子科技中心_量科网

在大多数量子比特平台中，读出保真度难以与门操作保真度同步提升，因此研究人员正积极探索提高读出保真度的新方法。对于半导体自旋量子比特而言，典型的量子比特读出信号由一段数字化电荷传感器输出的有限片段构成。传统处理方式通过将信号轨迹压缩为单一数值（最大值或累加值），再与预设判决阈值进行比对获得二进制测量结果。这种阈值法虽简单快速，却丢失了可能提升读出保真度的潜在信息。 该研究团队采用隐马尔可夫模型（HMM）进行更复杂的信号轨迹处理分析。HMM作为白噪声条件下最优统计处理方法具有天然优势，其前向-后向算法计算高效，具备实际应用价值。然而与多数计算机模拟研究不同，真实实验中噪声存在相关性。该工作重点探究了这种差异对HMM实施及可靠性的影响，发现采用白噪声系统统计模型的HMM对相关性异常敏感，仅能容忍极短的相关时间。研究人员提出通过信号预滤波缓解此缺陷，并证实相关性对HMM模型校准（Baum-Welch算法）同样存在显著负面影响。 作为HMM的具体应用，该团队还针对近期"热"自旋量子比特实验需求，计算了高温环境下的读出保真度。这项研究将噪声关联效应分析与实际应用场景相结合，为提升半导体自旋量子比特的读出性能提供了新思路。