机器学习为量子设备开辟了新的可能性

1、 牛津大学的科学家与巴塞尔大学和兰开斯特大学合作，开发了一种可以自动测量量子点的算法。

2、 量子点中单个电子的电子自旋可以作为量子计算机的最小信息单位。科学家在《npj量子信息》中写道，他们描述了如何使用机器学习来大大加速这个耗时的过程。

3、 他们的量子比特自动测量和控制方法代表了其大规模应用的关键一步。

4、 牛津大学材料系的natalia Ares博士说：“这是我们第一次将机器学习应用于有效测量GaAs量子点，这样我们就可以表征大型量子器件阵列。”

5、 巴塞尔大学的DominikZumbhl教授说：“我们实验室的下一步是将该软件应用于由其他材料制成的半导体量子点，这些材料更适合开发量子计算机。

6、 “通过这项工作，我们做出了重要贡献，这将为大规模量子比特架构铺平道路。”

7、 近年来，量子点中单个电子的电子自旋被认为是量子计算机中最小信息单元(也称为量子比特)的理想候选。

8、 可以说，在由层状半导体材料制成的量子点中，单个电子被捕获在陷阱中。研究人员可以通过向陷阱中的各种纳米结构施加电压来控制电子，从而可靠地确定和快速切换它们的自旋。除此之外，这使他们能够控制有多少电子通过隧道从储层进入量子点。在这里，即使很小的电压变化对电子也有相当大的影响。

9、 对于每个量子点，必须仔细调整施加的电压以达到最佳条件。当几个量子点被组合以在器件中缩放到大量量子位时，调谐过程非常耗时，因为半导体量子点并不完全相同，必须单独表征。

10、 这一突破性的算法将有助于自动化这一过程。与传统的数据采集相比，科学家的机器学习方法减少了测量时间和次数。

11、 科学家用不同电压下流经量子点的电流数据来训练机器。像面部识别技术一样，软件逐渐知道需要进一步测量的位置，以实现最大的信息增益。然后，系统执行这些测量并重复该过程，直到根据预定义的标准实现有效的表征，并且量子点可以用作量子比特。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！