量子科技中心_量科网

Gottesman-Kitaev-Preskill(GKP)态是实现容错光量子计算所必需的非高斯资源，能够实现逻辑量子比特编码并具备内在的抗误差能力。目前已有多种GKP态制备方案被探索，包括电路量子电动力学和离子阱系统中的测量基协议、猫态培育方案以及光子减法方案。然而，这些方法要么局限于特定平台，要么需要深层非高斯资源链且成功概率呈指数级下降。高斯玻色采样（GBS）通过测量诱导非线性产生非高斯态，提供了一种全光学的替代方案，无需基于物质的辅助比特或主动前馈。但在实际应用中，GBS受到计算矩阵哈夫尼安（一种#P完全函数，决定光子数概率）指数级计算成本的限制。为应对这一挑战，该团队提出了一种两阶段直方图梯度提升代理流水线，该流水线无需任何哈夫尼安计算即可预测候选GBS电路的最优报信模式、电路保真度和后选择概率，同时仅对代理选定的候选电路执行精确量子模拟。该代理在3-5个光模的电路配置上训练后，在保留测试集上实现了90.0%的GKP检测准确率，相比基线提高了23.7个百分点，保真度平均绝对误差为0.032，对数尺度后选择概率的决定系数\(R^2 = 0.837\)，使总模拟负担降低了约90%。