Investigadores de la Universidad de Sydney y la startup de control cuántico Q-CTRL anunciaron hoy una forma de identificar fuentes de error en computadoras cuánticas a través del aprendizaje automático. proporcionando a los desarrolladores de hardware la capacidad de identificar la degradación del rendimiento con una precisión sin precedentes y acelerar las rutas hacia computadoras cuánticas útiles.

Un artículo científico conjunto que detalla la investigación, titulado "Espectroscopia de ruido del oscilador cuántico a través de estados de gato desplazados, "ha sido publicado en el Cartas de revisión física , la principal revista de investigación en ciencias físicas del mundo y publicación emblemática de la Sociedad Estadounidense de Física (APS Physics).

Centrado en reducir los errores causados ​​por el "ruido" ambiental, el talón de Aquiles de la computación cuántica, el equipo de la Universidad de Sydney desarrolló una técnica para detectar las más pequeñas desviaciones de las condiciones precisas necesarias para ejecutar algoritmos cuánticos utilizando iones atrapados y hardware de computación cuántica superconductora. Estas son las tecnologías centrales utilizadas por los esfuerzos de computación cuántica industrial líderes en el mundo en IBM, Google, Honeywell, IonQ, y otros.

Para identificar la fuente de las desviaciones medidas, Los científicos de Q-CTRL desarrollaron una nueva forma de procesar los resultados de la medición utilizando algoritmos personalizados de aprendizaje automático. En combinación con las técnicas de control cuántico existentes de Q-CTRL, los investigadores también pudieron minimizar el impacto de la interferencia de fondo en el proceso. Esto permitió una fácil discriminación entre las fuentes de ruido "reales" que podían ser fijas y los artefactos fantasmas de las propias mediciones.

"La combinación de técnicas experimentales de vanguardia con el aprendizaje automático ha demostrado enormes ventajas en el desarrollo de computadoras cuánticas, ", dijo el Dr. Cornelius Hempel de ETH Zurich, quien realizó la investigación mientras estaba en la Universidad de Sydney." El equipo de Q-CTRL pudo desarrollar rápidamente una solución de aprendizaje automático diseñada profesionalmente que nos permitió dar sentido a nuestros datos y proporcionar una nueva manera de 'ver' los problemas en el hardware y solucionarlos ".

El director ejecutivo de Q-CTRL y profesor de la Universidad de Sydney, Michael J. Biercuk, dijo:“La capacidad de identificar y suprimir las fuentes de degradación del rendimiento en el hardware cuántico es fundamental tanto para la investigación básica como para los esfuerzos industriales en la construcción de sensores cuánticos y computadoras cuánticas.

"Control cuántico, aumentado por el aprendizaje automático, ha mostrado un camino para hacer que estos sistemas sean prácticamente útiles y acelerar drásticamente los plazos de I + D, " él dijo.

"Los resultados publicados en un prestigioso, La revista revisada por pares valida el beneficio de la cooperación continua entre la investigación científica fundamental en un laboratorio universitario y las nuevas empresas de tecnología profunda. Estamos encantados de impulsar el campo a través de nuestra colaboración ".