.png){kind=icon}
返回
Optimisation of pulse waveforms for qubit gates using deep learning
.png){kind=icon}
OA
AI
DOI：10.1007/s42484-025-00291-3.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文提出了一种使用深度神经网络（DNNs）优化用于操控量子比特状态的脉冲波形参数的全新方法，从而实现量子比特门的高保真度实施。高保真度量子逻辑门对于扩展当前量子计算机至关重要。所提出的方法使用DNNs来建立脉冲调度中使用的波形幅度与相应保真度之间的函数关系。DNNs通过使用在Qiskit中进行的量子比特门模拟获得的幅度和相应保真度的数据集进行训练。采用两阶段方法，利用训练好的DNNs获取能够产生最高保真度的幅度。该方法通过估算单量子比特门（Hadamard和Pauli-X）以及双量子比特门（CNOT）的脉冲调度幅度进行了评估。结果表明，该方法能够实现单量子比特门的高保真度实施，其中Hadamard门和Pauli-X门的保真度分别达到0.999976和0.999923。对于CNOT门，获得的最佳保真度为0.695313。这可以归因于纠缠效应以及需要在预测模型中考虑相位参数的需求。
Keyword:
Quantum computing
Pulse waveform
Qubit gates
Regression model
Deep neural networks
Quantum error correction
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
Q
IF:
4.4
论文数:
453
被引数:
796
机构
引用论文
.png){kind=icon}
Methods and Results for Quantum Optimal Pulse Control on Superconducting Qubit Systems超导量子比特系统中的量子最优脉冲控制方法与结果
PREAI
分享收藏分享收藏分享收藏分享收藏分享收藏分享收藏
查看更多内容