基于机器学习的中性原子NISQ器件噪声表征与校正

中性原子器件是一项有前景的技术，其使用光镊对原子进行几何排布，并利用调制激光脉冲控制量子态。Pasqal开发了一种使用铷原子的中性原子含噪中等规模量子（NISQ）器件，可支持多达100个量子比特。所有NISQ器件都受到噪声影响，进而影响计算结果。因此，更好地理解和表征噪声源并可能加以校正是重要的。本文提出两种方法用于表征和校正中性原子NISQ器件上的噪声参数。特别地，重点针对Pasqal器件，并采用机器学习（ML）技术来实现这些目标。为表征噪声参数，我们训练了若干ML模型，仅以原子最终量子态的测量值作为输入，来预测激光强度涨落与束腰、温度以及假阳性和假阴性测量率。此外，我们提供了关于系统原子数以及用作输入的测量数之缩放分析。并且，我们在真实数据上将ML预测值与先验估计参数进行了比较。最后，采用强化学习（RL）框架来设计脉冲以校正测量中噪声的影响。期望本工作所进行的分析有助于更好地理解中性原子器件中的量子动力学，并促进此类NISQ器件的广泛应用。