基于常规与量子机器学习算法检测Paul陷阱中离子的探测态
量子物理
2025-08-21 v2
摘要
被囚禁的离子是量子技术领域的领导平台，特别是在量子计算领域。检测被囚禁离子的量子态对于确保量子态高保真读出至关重要。本文开发并基准测试了一套用于检测Paul陷阱中离子量子态的方法，通过对高灵敏度相机获取的图像进行处理，并应用常规与量子机器学习方法，包括卷积、支持向量机(经典与量子)以及量子退火，我们展示了检测Yb离子位置与量子态的可能性。通过电子阱棚技术进行量子态检测：根据离子的量子态，其在369.5 nm激光束作用下的荧光要么被抑制，要么不被抑制。我们估计了常规与量子检测技术的保真度。特别是，针对Yb的常规算法，如支持向量机和光子统计基于方法，以及我们的量子退火方法，已实现完美保真度，这与标准技术相比具有优势。这一结果可能为通过常规与量子机器学习技术实现被囚禁离子的超高保真检测铺平了道路。
引用
@article{arxiv.2412.10934,
title = {Detection states of ions in a Paul trap via conventional and quantum machine learning algorithms},
author = {Ilia Khomchenko and Andrei Fionov and Artem Alekseev and Daniil Volkov and Ilya A. Semerikov and Nikolay N. Kolachevsky and Aleksey K. Fedorov},
journal= {arXiv preprint arXiv:2412.10934},
year = {2025}
}
备注
Added all a link to a Gitlab repository with a code, addressed some minor comments from the previous submission, such as parameters of the hardware where the results were obtained. Submitted to Quantum Machine Intelligence