量子科技中心_量科网

该研究团队提出并验证了一种机器学习辅助的量子传感协议，用于分类影响两个超强耦合量子比特的经典噪声的时空相关性。研究考虑了马尔可夫与非马尔可夫噪声的六种典型类别。通过利用相干粒子数转移协议在三种不同驱动条件下的灵敏度，仅需测量最终转移效率即可区分各类噪声。该方法在噪声分类中实现了不低于86%的准确率，对马尔可夫与非马尔可夫噪声近乎完美区分。该方案仅需最小化实验资源——基于简单驱动方案产生三个输入量馈入浅层神经网络，无需测量时间序列数据或实时监测。机器学习数据分析从相干协议的非理想性中提取信息，证明这种技术融合可显著提升量子硬件表征能力。