利用自编码器增强量子比特读出

除了需要稳定且可精确控制的量子比特外，量子计算机还依赖于良好的读出方案。超导量子比特的状态可以通过色散耦合谐振器传输的读出信号来推断。本工作提出了一种基于自编码器方法预训练神经网络的超导量子比特读出分类新方法。神经网络以量子比特读出信号作为自编码器进行预训练，以便从数据集中提取相关特征。随后，利用预训练网络的内层值以有监督方式对输入进行分类。我们证明该方法能够提升分类性能，特别是在传统方法表现较差的短时间和长时间测量中。