Исследователи из Сиднейского университета Детализация квантового управления — это новый метод выявления источников ошибок в квантовых компьютерах с использованием методов машинного обучения, которые, по их словам, ускорят пути к разработке полезных квантовых компьютеров.
В совместной научной статье исследователи описывают метод, позволяющий разработчикам устройств выявлять снижение производительности с беспрецедентной точностью.
Статья озаглавленаСпектральный анализ шума квантового осциллятора через смещенные состояния котаОпубликовано в сообщения физического обзора, главный в мире журнал исследований в области физических наук и ведущее издание Американского физического общества (APS Physics).
Техника, описанная в статье, направлена на уменьшение ошибок, вызванных «шумом» окружающей среды — ахиллесовой пятой квантовых вычислений.
Команда Сиднейского университета разработала метод обнаружения мельчайших отклонений от точных условий, необходимых для реализации квантовых алгоритмов с использованием захваченных ионов и сверхпроводящих устройств квантовых вычислений.
Это основные технологии, используемые ведущими мировыми разработчиками промышленных квантовых вычислений IBM, Google, Honeywell, IonQ и другими.
Чтобы определить источник измеренных отклонений, ученые Q-CTRL разработали новый метод обработки результатов измерений с использованием пользовательских алгоритмов машинного обучения.
В сочетании с Q-CTRL Современные методы количественного контроля, исследователям также удалось уменьшить влияние фонового вмешательства в процесс. Это позволило легко отличить «настоящие» источники шума, которые могут быть статическими, и фантомными артефактами самих измерений.
«Способность определять и подавлять источники снижения производительности в квантовых устройствах имеет решающее значение как для фундаментальных исследований, так и для промышленных усилий по созданию квантовых датчиков и квантовых компьютеров», — сказал генеральный директор Q-CTRL и профессор Сиднейского университета Майкл Беркок.
«Квантовое управление, дополненное машинным обучением, показало, как сделать эти системы практически полезными и значительно ускорить сроки исследований и разработок», — сказал он.
«Результаты, опубликованные в престижном рецензируемом журнале, подчеркивают преимущества постоянного сотрудничества между фундаментальными научными исследованиями в университетской лаборатории и стартапами в области глубоких технологий».
Доктор Корнелиус Хемпель из ETH Zurich, проводивший исследование в Сиднейском университете, сказал, что сочетание передовых экспериментальных методов и машинного обучения показало огромные преимущества в разработке квантовых компьютеров.
«Команда Q-CTRL смогла разработать профессионально разработанное решение для машинного обучения, которое позволило нам понять наши данные и предоставить новый способ« видеть »и решать проблемы в оборудовании, — сказал д-р Хемпель.
Вы знаете больше? Свяжитесь с Джеймсом Райли по электронной почте.
«Чрезвычайный решатель проблем. Ниндзя для путешествий. Типичный веб-наркоман. Проводник. Писатель. Читатель. Неизлечимый организатор».
More Stories
Сложный подъем для велосипедистов
AirPods Pro в списке «лучших изобретений» показывает, что Apple по-прежнему впечатляет
Apple включает неожиданные улучшения функций в свой MacBook Pro начального уровня