量子科技中心_量科网

量子最优控制是提高量子门精度的有效方法，但该方法依赖复杂算法来确定最佳控制参数。基于CPU或GPU的传统方案通常因延迟过高而难以实用化。构建具有极低延迟的系统至关重要，这样才能快速且高保真地调节量子硬件参数（此处保真度定义为量子态与目标态的吻合程度）。该研究团队采用机器学习模型来确定微波腔量子比特（一种作为量子计算基本单元的多能级量子系统）中制备选择性数字相关任意相位门的控制脉冲参数。该方法包含四个关键步骤：基于经典优化技术的数据生成、机器学习模型开发、设计空间探索以及面向硬件实现的量化处理。实验结果表明，优化后的模型实现了接近10^-3的门操作轨迹失真度，并高效利用了可编程逻辑资源，验证了该方案的有效性。