神经脉冲编译框架实现单量子比特门控制

Arash Fath Lipaei 等作者提出一种物理信息神经编译框架，学习从连续参数化单量子比特门目标直接到可实验控制波形的可复用映射，无需预计算最优脉冲标签即可端到端训练。 在三量子比特液态 NMR 模型上，该编译器对 Haar 分布目标平均标称保真度超过 0.99，生成新脉冲的推理耗时低于 1 毫秒；风险感知微调拓宽了对射频幅度误差的容忍范围。 三自旋 NMR 处理器实验复现了预测的容忍度展宽，但绝对实验相关性低于模拟值。

AI 根据报道生成 · 3 天前更新

还没有足够的连续观测数据，暂不绘制趋势。