新方法可在含噪环境下重构更大规模量子计算过程

实现量子霸权之后，量子计算进入含噪中等规模时代，如何理解和克服噪声成为量子计算迈向实用化的研究重点。记者获悉，国防科技大学计算机学院QUANTA团队，提出一种基于量子纠缠和机器学习的量子过程层析方法，能够有效抑制噪声并大幅减少层析开销，可在含噪环境下重构更大规模量子计算过程。基于该方法，QUANTA团队设计和研制成功一款可编程硅基光量子计算芯片，实验证实了方法的有效性。当地时间23日，该成果在线发表于国际顶级期刊《物理评论快报》。论文审稿人评价，“这项工作在解决量子信息科学领域的关键问题上迈出了至关重要的一步。”

据论文第一作者、国防科技大学博士生薛诗川介绍，量子过程层析就像CT一样，通过输入和测量量子态完成对未知量子过程的“扫描”，可以重构量子过程的全部信息。这对研究复杂量子物理系统和开发量子计算机都非常必要。然而，标准的量子过程层析方法在量子态制备、测量和数据处理等方面都需要指数开销，限制了可层析系统的规模。而执行量子过程层析的量子装置本身也自带噪声，大大降低了层析的准确性。新方法通过引入量子纠缠，大幅减少了标准量子过程层析中的输入量子态数目，降低了所需的测量次数，又通过机器学习方法让实验系统中的各部分噪声在一定程度上相互抵消，能更精确地层析更大系统中的复杂量子过程。

“在新设计的硅基光量子计算芯片上，通过简单的机器学习方法，量子过程层析的平均保真度就从92.38%提升至95.56%，未来引入新的优化策略还可进一步提升。”论文共同第一作者、国防科技大学博士生王易之说。

论文通信作者、QUANTA团队负责人吴俊杰研究员指出，“这项工作说明机器学习方法这种人工智能技术在理解和克服噪声方面能够发挥重要作用。同时，量子计算加速人工智能问题的求解也是当前的研究热点。量子计算与人工智能的交叉方向——‘量子人工智能’的突破有望成为继量子霸权之后量子计算发展的新里程碑。”