基于 ML 的 FPGA 实时量子态判别技术实现及其在中电路测量中的应用
量子物理
2024-10-25 v3
摘要
类似于经典计算机中读取晶体管状态，识别量子比特（qubit）状态是将量子信息转化为可操作形式的基本操作。然而，识别量子态是超导量子处理器中最慢且最易出错的操作。现有的大多数量子态判别算法仅在事后进行实现和优化——使用从控制电路传输到主机计算机的离线数据。由于超导量子态仅存活数百微秒，而读取电路与主机计算机之间的通信延迟可达数毫秒，实时量子态判别无法实现。中电路测量（MCM）技术，即在量子电路的中间阶段对量子比特进行测量，而非仅在末端测量，代表了一种量子比特复用的先进技术。对于需要单次读出的 MCM，必须采用一种低延迟且高精度的现场判别技术。本文引入 QubiCML，一个基于 Field 可编程门阵列（FPGA）的系统，用于实现中电路测量的实时量子态判别——即在控制电路中对量子态进行测量，而无需将数据传输到主机计算机。设计并部署在 FPGA 上的多层神经网络确保了准确的现场判别。首次在射频系统单芯片 FPGA 平台上实现了 ML 驱动的量子态判别。该部署在 FPGA 上的轻量级网络仅需 54 纳秒完成一次推理。我们在超导量子处理器上评估了 QubiCML 的性能，在仅 500 纳秒的读出下，获得了 98.5% 的平均准确率。QubiCML 有望成为量子社区的标准实时态判别方法。
引用
@article{arxiv.2406.18807,
title = {ML-Powered FPGA-based Real-Time Quantum State Discrimination Enabling Mid-circuit Measurements},
author = {Neel R. Vora and Yilun Xu and Akel Hashim and Neelay Fruitwala and Ho Nam Nguyen and Haoran Liao and Jan Balewski and Abhi Rajagopala and Kasra Nowrouzi and Qing Ji and K. Birgitta Whaley and Irfan Siddiqi and Phuc Nguyen and Gang Huang},
journal= {arXiv preprint arXiv:2406.18807},
year = {2024}
}