量子科技中心_量科网

将量子传感与量子计算相结合，可以开发出量子计算传感器，这种传感器能比传统方法更高效地从物理信号中提取任务特定信息。早期量子计算传感（QCS）的研究主要集中于仅包含单次传感操作后即进行测量的方案——唯一的例外是近期将格罗弗算法应用于信号检测的工作。本论文从理论和数值模拟两方面，展示了两种量子算法——量子信号处理与量子神经网络——在传感领域各类二元及多元机器学习分类任务中的应用。这些方案将传感操作与计算操作交替进行，从而生成传感信号的非线性函数。研究人员评估了基于静态信号、时变信号（包括时空信号）的任务，其优化QCS方案电路参数的方法充分考虑了量子采样噪声，使得设计方案仅需单次测量即可获得准确结果。在所有案例中，该工作均证明存在量子计算传感器精度超越传统量子传感器的操作区间，部分任务的模拟精度优势超过20个百分点。该研究还提出了利用哈密顿工程玻色系统执行非线性任务的方案，以及混合量子比特-玻色系统的量子信号处理方法。总体而言，研究表明即使对于小型量子系统（包括少数量子比特系统、单量子比特与单玻色模式构成的系统，甚至单独一个量子比特），也能获得显著的量子计算传感优势，这为原理验证实验和实际应用带来了广阔前景。