神经网络提高离子阱量子计算机运行性能

中山大学教授罗乐研究团队，通过人工神经网络技术与射频微波-自发辐射光子关联技术，实现了离子阱中量子比特微运动抑制的自动化处理，这是国际上首次把神经网络技术应用于囚禁离子量子比特的微运动控制。相关成果9月29日在线发表于《应用物理快报》Applied Physics Letters上，题为“Minimization of the micromotion of trapped ions with artificial neural networks”。

离子阱是2012年获得诺贝尔物理学奖的量子技术，是实现大规模实用化量子计算的核心技术。离子阱也是世界上唯一一个具有长相干时间，在量子态制备、单比特和两比特逻辑门、量子态测量各关键参数全面超过量子容错计算阈值的系统。目前世界上最强大的量子计算机是由IonQ公司开发的160比特镱离子量子计算机，该计算机在计算准确性、量子比特之间的连通性、相干时间内门操作数量等方面都实现了对IBM和Google超导量子计算机的超越。

近年来，罗乐教授研究团队在离子阱量子计算机工程化方向开展了系统研究并取得了重要成果。2019年，他们实现了5比特镱离子量子计算机的科学原理样机； 2020年，提出了新型抛物面镜离子阱方案和多级势场囚禁百离子长链的方案；2021年，提出了利用囚禁离子实现非厄米二维量子行走的物理模型。

对于工程化的离子阱量子计算机，离子在囚禁电磁场中的微运动会降低冷却和探测效率，并严重缩短离子的相干时间，影响量子门的保真度。消除微运动对于实现离子阱量子计算机的工程化非常重要。为此，研究小组开展了基于人工神经网络技术与射频微波-自发辐射光子关联技术的微运动抑制方案研究并完成了相关实验验证。该成果可扩展到在表面阱，芯片阱等电极数量巨大的离子阱上，为开发低成本商用离子阱量子芯片奠定了坚实的技术基础。