基于QICK和hls4ml的量子比特读出机器学习端到端工作流程
量子物理
2025-01-27 v1 机器学习
摘要
我们提出面向超导量子比特读出的端到端工作流程，将设计好的神经网络（Neural Networks, NNs）嵌入量子仪器控制套件（QICK）中。利用QICK平台基于Xilinx RFSoC FPGA构建的定制固件和软件，我们旨在利用机器学习（Machine Learning, ML）解决量子比特读出精度和可扩展性方面的关键挑战。该工作流程利用hls4ml软件包，并采用量化感知训练将ML模型转化为通过用户友好Python API实现的硬件高效FPGA实现。我们实验性地演示了ML算法用于单色子比特读出的设计、优化和集成，实现了96%的单次保真度，延迟仅为32ns，且FPGA查找表资源利用率不足16%。我们的结果为社区提供了一个可及的工作流程，以推动ML驱动的读出和自适应控制在量子信息处理应用中的发展。
引用
@article{arxiv.2501.14663,
title = {End-to-end workflow for machine learning-based qubit readout with QICK and hls4ml},
author = {Giuseppe Di Guglielmo and Botao Du and Javier Campos and Alexandra Boltasseva and Akash V. Dixit and Farah Fahim and Zhaxylyk Kudyshev and Santiago Lopez and Ruichao Ma and Gabriel N. Perdue and Nhan Tran and Omer Yesilyurt and Daniel Bowring},
journal= {arXiv preprint arXiv:2501.14663},
year = {2025}
}