量子科技中心_量科网

三维超导射频腔体提供了寿命极长的电磁模式，当与transmon量子比特等非线性元件耦合时，它们成为玻色量子信息处理中前景广阔的技术架构。这类系统的逆向设计（即恢复出能产生指定电磁特性和耦合目标的器件几何结构）通常是一个一对多的问题。量子比特-腔体耦合强度敏感地依赖于transmon几何结构及其在腔体电磁场中的位置。随着这些系统规模扩大、设计参数空间增长，传统迭代仿真的成本变得难以承受。该团队提出了两种深度神经网络方法，在设计流程的互补层面解决这个逆向设计问题。第一种方法提出能产生目标腔体可观测量的SRF腔体几何结构。第二种方法提出能产生目标量子比特-腔体参数（耦合率、量子比特频率和非谐性 (\(g, \nu_q, \alpha)\)）的transmon量子比特设计。恢复出的候选设计在腔体方面与目标偏差约5%，在transmon方面约2%，并通过端到端重仿真得到了确认。两种方法都能将期望的器件行为直接映射到候选设计，成为通常所需迭代仿真研究的一种快速替代方案。