通过图像去噪实现高效且准确的中性原子读出

中性原子量子计算机有望扩展到数十万甚至更多的量子比特，但其进展受限于量子比特读出速度较慢。当前的量子比特阵列并行测量需要毫秒级时间，远远超过底层量子门操作时间——使读出成为部署量子纠错的主要瓶颈。由于每轮量子纠错都依赖于测量，长时间的读出会增加循环持续时间，减慢程序执行速度。缩短读出时间可加快循环速度，减少量子比特空闲期间积累的退相干误差，但也会降低收集的光子数量，使测量更加嘈杂且更易出错。这种权衡使得中性原子系统陷入慢而准确的读出与快而不可靠的读出之间的困境。我们证明图像去噪可以解决这一困境。我们的框架GANDALF利用图像翻译进行显式去噪，从短时、低光子测量中重建清晰信号，使其在最高可达1.6倍的缩短读出时间后仍能实现可靠分类。结合轻量级分类器和流水线化读出设计，我们的方法较之当前基于卷积神经网络(CNN)的读出方案，在氯化钙(Cs)中性原子阵列中将逻辑误差率降低最高可达35倍，整体量子纠错循环时间缩短最高可达1.77倍。