近期，中國科大郭光燦院士團隊在機器學習提高超導量子比特讀取效率上取得重要進展。該團隊郭國平教授研究組與本源量子計算公司合作，在本源“夸父”6比特超導量子芯片上研究了串擾對量子比特狀態讀取的影響，并創新性地提出使用淺層神經網絡來識別和讀取量子比特的狀態信息，從而大幅度抑制了串擾的影響，進一步提高了多比特讀取保真度。該成果以研究長文的形式發表在國際應用物理知名期刊《Physical Review Applied》上。

對量子比特狀態的高保真度測量是量子計算中的關鍵一環。在超導量子計算中，對量子比特的讀取依賴于量子比特與讀取諧振腔之間的色散耦合，通過探測讀取腔的色散頻移效應可以推測量子比特所處的狀態。近些年，國際上分別實現了高保真度的單比特單發讀取以及多比特的多路復用式單發讀取；然而，由于各種形式的雜散耦合的存在，鄰近比特的狀態可能會對目標比特的測量結果產生影響，從而降低測量保真度，進而降低量子算法的成功率。隨著量子芯片的進一步擴展，為了進一步提高讀取保真度，如何解決上述串擾問題將成為研究者們面臨的主要挑戰。

圖 1傳統量子比特讀取方案以及串擾的影響

為了解決讀取串擾的問題，在此之前，國際上其他課題組的主要精力集中在如何從硬件層面抑制串擾，例如為每一個量子比特的讀取腔單獨配置一個讀取濾波器，或者增大讀取腔之間的空間和頻域距離；這些方案雖然在一定程度上抑制了串擾，但是都對量子芯片的擴展和集成產生了不利的影響。

圖 2第一代“夸父”6比特超導量子芯片結構圖

基于這些出發點，我實驗室郭國平教授研究組與本源量子計算公司合作，通過對量子比特信息提取過程的抽象和模擬，提出一種新的量子比特讀取方案：通過訓練基于數字信號處理流程構建的淺層神經網絡，實現對量子比特狀態的精確識別與分類。研究人員將這一方案應用到本源“夸父”6比特超導量子芯片上，實驗發現，新的讀取方案不僅有效提升了6比特的讀取保真度，而且大幅度抑制了讀取串擾效應。同時，由于新方案中的數據處理可以進一步簡化為單步矩陣運算，未來可以直接轉移到FPGA上，從而實現對量子比特狀態的0延時判斷以及對量子比特的實時反饋控制。該方案不僅適用于超導量子計算，也同時適用于其他量子計算物理實現方案。

圖 3用于量子比特狀態讀取與分類的淺層神經網絡結構

中科院量子信息重點實驗室段鵬博士和陳梓峰碩士為文章共同第一作者，郭國平教授為通訊作者。該工作得到了科技部、國家基金委、中國科學院和安徽省的資助。

論文鏈接：//journals.aps.org/prapplied/abstract/10.1103/PhysRevApplied.16.024063