量子科技中心_量科网

超越纠错阈值的高保真单量子比特与双量子比特门操控是可扩展量子计算的核心要素。该研究团队提出了一种强化学习（RL）方法，用于在双量子点结构中为半导体基自旋三重态量子比特设计纠缠协议。尽管存在真实模拟的实验约束条件（包括各类噪声效应和有限上升时间影响），研究人员证明RL智能体能够生成高性能协议，同时规避传统梯度优化方法固有的模型偏差。该工作针对不同物理机制和任务场景优化了RL方案，包括基于模拟量子过程层析成像重建酉门操作的训练模式，并深入探究了RL智能体设计中的关键细节。