到场李泽南 杜伟

板滞进修掌握量子比特,速率晋升4倍:械澜法已上Nature子刊

板滞进修不光可以搜寻和剖析数据,槐ボ主动测量并帮帮人们疾速操作。牛津大学等机构的新研讨为众量子比特量子盘算机的开展奠定了根底。

量子点中单个电子的自旋可以充当量子盘算机最小的新闻单位。来自牛津大学、巴塞尔大学和兰卡斯特大学的科学家们曾经开辟了一种算法,可用于主动测量量子点。他们的研讨曾经登上了近来一期自然杂志子刊《Quantum Information》。

通过板滞进修方法,研讨职员可以将测量量子比特的时间缩短 4 倍。主动测量和掌握量子比特的械澜法大约是量子盘算迈向适用化的主要一步:近年来,量子点中单个电子的电仔≡旋,已被人们认为是量子盘算机中最小新闻单位(qubit,也称为量子位)的抱负挑选。

为了将单个电子固定量子点上,我们需求纳米构造上运用电压举行操作。图片来自瑞士巴塞尔大学。

施加电压掌握

由分层半导体材料制成的量子点中,单个电子被捕捉陷坑之中。研讨职员可以通过向陷坑内的种种纳米构造施加电压来掌握电子,从而牢靠地确定并疾速切换它们的自旋。这种方法可以让人们掌握通过量子隧穿效应,从储层进入量子点的电子数目。这里,即使是很小的电压改造也会变成分明的影响。

于是,关于每个量子点来说,我们都必需细心地调解电压,从而包管最佳条件。当将众个量子点组合起来,以期完成更大的量子比特数目时,这种调解的进程就会变得十分消耗时间,因为半导体量子点各不相同,而且必需区分举行特征化操作。

板滞进修完成主动化

目前,来自牛津大学、巴塞尔大学和兰卡斯特大学的科学家们曾经开辟出了一种算法,可以完成这个进程的主动化。与古板的数据搜罗方法比较,他们的板滞进修方法将测量时间和测量次数都淘汰了大约 4 倍。

「通过这一义务,我们为完成众量子比特架构的盘算机铺平了道道,」论文作家之一,瑞士巴塞尔大学物理系传授 Dominik Zumbühl 外示。

运用人工智能的方法测量和掌握量子比特,和 AI 的其他运用并没有什么差别。起首,科学家们运用差别电压卑鄙经量子点的电流数据教练板滞进修算法。与面部识别技能相同,算法会渐渐进修出为了取得最大新闻量,哪些位置需求举行进一步测量。随后,系统施行这些测量倡议,并重复这一进程,直到依据预订义的标准取得有用的外征,而量子点最终可以用作量子比特。

研讨职员外示,该方法联合了新闻论与概率深度生成模子,可以依据疏散的部分测量结果生成全区分率的重修结果。实行中,关于两种差别的图配备,研讨职员标清楚该算法优于标准的网格扫描技能,可将所需的测量次数淘汰众达 4 倍,并将测量时间缩短 3.7 倍。

算法和量子点配备示意。

「这是第一次,有人运用板滞进修算法运用砷化镓量子点中,完成有用的测量,」论文作家之一,牛津大学的 Natalia Ares 博士外示。

「下一步我们实行室的义务是将这一算法运用于由更适合量子盘算机开辟的其他材料制成的半导体量子点上,」Dominik Zumbühl 增补道。


参考实质:

https://scitechdaily.com/machine-learning-to-automatically-measure-and-control-qubits/

https://www.nature.com/articles/s41534-019-0193-4

表面牛津大学量子盘算
1
相关数据
深度生成模子技能

深度生成模子基本都是以某种方法寻找并外达(众变量)数据的概率分布。有基于无向图模子(马尔可夫模子)的联合概率分布模子,另外便是基于有向图模子(贝叶吮ィ型)的条件概率分布。前者的模子是构修隐含层(latent)和显示层(visible)的联合概率,然后去采样。基于有向图的则是寻找latent和visible之间的条件概率分布,也便是给定一个随机采样的隐含层,模子可以生成数据。 生成模子的教练是一个非监视进程,输入只需求无标签的数据。除了可以生成数据,还可以用于半监视的进修。比如,先应用大宗无标签数据教练好模子,然后应用模子去提取数据特征(即从数据层到隐含层的编码进程),之后用数据特征联合标签去教练最终的收集模子。另一种方法是应用生成模子收集中的参数去初始化监视教练中的收集模子,当然,两个模子需求构造同等。

量子盘算技能

量子盘算联合了过去半个世纪以后两个最大的技能改造:新闻技能和量子力学。假如我们运用量子力学的规矩交换二进制逻辑来盘算,某些难以占领的盘算义务将取得办理。寻求通用量子盘算机的一个主要目标是确定目今经典盘算机无法承载的最小繁杂度的盘算义务。该交叉点被称为「量子霸权」边境,是通向更强大和有用的盘算技能的要害一步。

引荐作品
暂无评论
暂无评论~