量子科技中心_量科网

基于冷原子阵列的量子计算机提供了具有可编程连接性的长寿命量子比特，但迈向容错操作的进展受限于位点选择性局域控制的相对较低保真度。该研究团队提出了一种克服这一局限的人工智能框架。通过训练原子-激光动力学模型，深度神经网络能自主设计复合脉冲，在保持与现有控制硬件兼容的同时，将局域控制保真度提升十倍。研究进一步证实了这些脉冲对光学像差和光束失准的鲁棒性。该方法为高保真量子比特控制建立了人工智能训练脉冲编译方案，并可轻松拓展至其他类原子平台，如囚禁离子和固态色心体系。