量子比特的新范例能够克服主要的工程障碍

（文章来源：科技报告与资讯）

高端赛车发动机需要对其所有组件进行调整并精确地协同工作，才能提供最高质量的性能。量子计算机中的处理器也可以这样形容，在执行计算之前，必须以正确的方式调整其微妙的位。谁是从事这项量子调谐工作的合适技工？根据一个由美国国家标准与技术研究院（NIST）的科学家组成的团队的说法，应该就是人工智能。

研究小组在《Physical Review Applied》杂志发表的论文中提出了一种方法，该方法可以教AI如何对微小的量子点进行相互关联的调整，而这些微小的量子点是创建量子比特的设备之一，它将在量子计算机的处理器中形成开关。精确地调整点对于将其转换为功能正常的量子比特至关重要，直到现在，人工操作人员仍需艰苦地完成这项工作，这需要数小时的工作才能为单个计算创建少量的量子比特。

一台具有许多相互作用的量子位的实用量子计算机将需要更多的点以及进行调整，这超出了人类的能力，因此团队的成就可能使基于量子点的处理从理论领域更接近工程现实。NIST数学家Justyna Zwolak说：“量子计算机理论家想象他们可以用成百上千个量子位来做什么，但是房间里的大象却使我们实际上一次只能使其中几个工作。现在，我们有一条通向现实的道路。”

量子点通常包含电子，这些电子被限制在半导体材料中的紧密盒状空间中。形成盒子壁的是半导体表面上方的几个金属电极（所谓的门），这些金属电极上施加了电压，从而影响量子点的位置和电子数量。门根据它们相对于点的位置，以不同的方式控制电子。

为了使这些点按想要的方式工作（例如，充当一种qubit逻辑开关或另一类qubit逻辑开关），必须将栅极电压调整为恰好合适的值。通过测量流过量子点系统的电流，然后稍微改变栅极电压，然后再次检查电流，可以手动进行此调整。而且，涉及的点（和门）越多，同时调整它们的难度就越大，以便获得可以正常工作的量子位。简而言之，这不是任何人类机械师能做的工作。

威斯康星大学麦迪逊分校物理系的研究生汤姆·麦克容肯（Tom McJunkin）说，“调整工作通常是由研究生完成的工作。我可以在几个小时内调谐一个点，而调谐两个可能要花一天的时间才能旋转。如果要做四个，花费的时间就更多。随着这一领域的发展，我们不能花几个星期来获取系统，我们需要将人员因素排除在外。”

不过，图片正是McJunkin在调整点时所看的东西：他处理的数据以视觉图像的形式出现，团队意识到AI很擅长识别。只要有很多需要识别的示例，称为卷积神经网络的 AI算法就已经成为自动图像分类的常用技术。因此，在联合量子研究所的杰克·泰勒（Jake Taylor）的监督下，研究小组的Sandesh Kalantre创建了一个模拟器，该模拟器可以生成数千个量子点测量图像，并可以将其作为训练演习提供给AI。

Zwolak说： “我们模拟所需的qubit设置，运行一夜，早晨便拥有了训练AI以自动调整系统所需的所有数据。而且我们将其设计为可在任何基于量子点的系统上使用，而不仅仅是我们自己的系统。”

团队从两个量子点的设置开始，他们验证了在一定的约束下， AI可以将系统自动调整到所需的设置。不过目前还不能使用它来调整成千上万个相互连接的量子点。但是，即使在此早期阶段，它的实践能力仍不可否认，这使熟练的研究人员可以将宝贵的时间花在其他地方。

Zwolak说：“这是一种使用机器学习节省劳动力的方法，做一些人类不擅长的事情。我们所有人都可以识别一只三维的猫，因为这只有一个点和几个门。而很多点和门都像一个10维的猫一样。人类甚至看不到10维猫但是我们可以训练一个AI来识别它。”
（责任编辑：fqj）