量子科技中心_量科网

量子比特读出是量子计算系统中的关键操作，它将量子比特的模拟响应映射为离散的经典态。深度神经网络（DNNs）最近成为提升读出精度的创新解决方案。现有基于DNN的读出硬件实现方案存在资源密集、推理延迟高等问题，制约了其在低延迟解码和量子纠错（QEC）环路中的实际应用。该工作提出LUNA——一种快速高效的超导量子比特读出加速器，结合了基于低成本积分器的预处理方案与基于查找表（LUT）的神经网络分类架构。该方案采用简易积分器实现降维处理（硬件开销极小），并通过逻辑网络（将DNN合成为LUT逻辑）在保持超低延迟推理的同时大幅降低资源占用。研究人员将其与基于差分进化的探索优化框架相结合，以确定高质量设计点。实验结果表明：相较最先进方案，该设计在保真度几无损减的前提下，实现了10.95倍的面积缩减与30%的延迟降低。LUNA为可扩展、低资源占用、高速量子比特读出提供了实现路径，将推动构建更大规模、更高可靠性的量子计算系统。