连接量子网际网际网际网际网际网际网际网际网际网际网际网际网际网际网际网际网际网际网际网际网际网际网际网际网际网际网际网际网际网际网际网际网际网际网际网际网际网际网际网际网际网际网际网际网际网际网际网际网际网际网际网际网际网际

研究引导牛津大学使用电源机器学习克服关键挑战 影响量子设备发现首次揭示消除量子设备预测行为与观察行为之差结果发布物理审查X.

量子计算可超载大量应用,从气候建模和金融预测到药物发现和人工智能但这需要有效方法来缩放并组合单个量子设备(也称quits)。主要的屏障是固有变异性: 即使是表面上完全相同的单元也显示不同行为

量子设备可变性原因

函数变异假设由" data-gt-translate-attributes="[{"attribute":"data-cmtooltip", "format":"html"}]" tabindex="0" role="link">nanoscale量子设备素材不全由于没有方法直接测量这些元件,内部混乱无法在模拟中捕捉,导致预测和观察结果间的差距

研究组使用物理智能机学习法间接推算这些失序特征依据内乱如何影响电子流

疯狂高尔夫算法

首席研究者助理教授Natalia Ares(牛津大学工程科学系)说 : “类推,当我们打疯狂高尔夫时,球可以快速退出通道或向导不匹配预测多拍几集 疯狂高尔夫模拟器 和机器学习后 预测球运动并缩小现实空白会更好

研究人员测量单量点设备不同电压设置输出流数据输入模拟计算测量流与理论流之差通过测量电压多重设置电流,模拟受约束寻找内乱安排,解释所有电压设置的测量这种方法综合数学和统计方法并发深学习

助理教授Ares补充道:“在疯狂高尔夫类比中,它相当于沿通道设置数组传感器,以便我们可以在不同点测量球速虽然我们仍无法看到隧道内, 我们可以使用数据 提供更好的预测 球将如何行为 当我们拍时

新模型不仅发现合适的内部扰动剖面描述测量当前值,还能够精确预测特定设备操作系统所需的电压设置

量子设备工程所涉问题

关键地说,模型提供新方法量化量子设备之间的变异性这有助于更精确预测设备性能,也有助于为量子设备工程最优素材它可以通知补偿方法以减轻量子装置物质缺陷的意外效果

牛津大学材料系博士生David Craig补充道 道 道 道 道实机仍比模型所捕捉的复杂度更高,

参考文献:D使用物理智能机学习实现量子设备现实空白L.奎格 H月亮F费德勒市T.列农市范斯特拉腾Vigneau L.C.卡门延德市M.农城A.公元前布里格斯MA.奥斯本市塞迪诺维奇和N阿里斯2024年1月4日物理审查X.
DOI: 10.1103/PhysRevX.14.011001