基于神经网络的超导量子比特时间分辨态层析
量子物理
2024-03-18 v2
摘要
超导量子比特已成为大规模量子计算的首要平台，但态读出保真度常受随机噪声和串扰阻碍，在多量子比特系统中尤为明显。虽然基于标签数据训练的神经网络在减少读出期间的串扰效应方面显示出潜力，但由于架构限制，其当前能力仅限于联合量子比特态的二元判别。本文引入了一种时间分辨调制神经网络，能够对单个量子比特进行全态层析，实现如 Rabi 振荡等详细的时间分辨测量。这种可扩展的方法为每个量子比特配备了专用模块，在低信噪比下将读出误差降低了一个数量级，并大幅减少了 Rabi 振荡测量中的方差。这一进展增强了利用神经网络进行量子态判别的能力，推动了具备更高性能和可扩展性的下一代量子处理器的发展。
引用
@article{arxiv.2312.07958,
title = {Neural network based time-resolved state tomography of superconducting qubits},
author = {Ziyang You and Jiheng Duan and Wenhui Huang and Libo Zhang and Song Liu and Youpeng Zhong and Hou Ian},
journal= {arXiv preprint arXiv:2312.07958},
year = {2024}
}