悉尼大学联合量子控制初创公司QCTRL，用机器学习找出量子错

　　经典计算机用晶体管作为电路的开关，保障设备的正常运行，出错的概率非常小；而量子计算机中的开关为量子位，它对外部环境的干扰（噪声）非常敏感。
　　最近，悉尼大学的研究人员和量子控制初创公司QCTRL合作，介绍了一种通过机器学习识别量子计算机错误的新方法，可以让硬件开发人员能够以前所未有的精度和速度查明性能下降的原因。该团队希望这种方法能够加速有用量子计算机的发展。
　　研究成果于6月25日以QuantumOscillatorNoiseSpectroscopyviaDisplacedCatStates为题发表在期刊《PhysicalReviewLetters》上。
　　量子计算已经受到各行各业的广泛关注，但受到硬件的限制，今天的量子计算机常常会遭遇硬件故障的问题，因此还只是处于实验研究阶段。包括IBM和谷歌在内的量子计算机制造巨头普遍认为，要想将量子计算机扩展到具有1000或更多的量子位，需要借助量子纠错（Quantumerrorcorrection，QEC）技术来实现容错量子计算。
　　悉尼大学的研究人员开发了新的方法来检测与使用俘获离子和超导量子硬件执行量子算法所需的精确条件的最小偏差。为了准确识别感知偏差的来源，QCTRL的科学家开发了利用自定义机器学习算法处理测量结果的新方法。
　　另外，结合QCTRL现有的量子控制技术，研究人员还能够最大限度地减少背景干扰的巨大影响。该过程可以轻松区分可以修复的环境噪音的实际来源。
　　将尖端实验技术与机器学习相结合，在量子计算机的发展中展现了巨大的优势，在悉尼大学进行这项研究的苏黎世联邦理工学院的CorneliusHempel博士说。研究团队
　　量子控制初创公司QCTRL成立于2017年，总部设在澳大利亚的悉尼，由悉尼大学量子物理和量子技术前教授MichaelJ。Biercuk担任CEO。QCTRL旨在开发出可以帮助量子计算开发人员稳定他们的量子硬件的工具。
　　Biercuk认为，2021年是量子纠错技术可能为量子计算硬件带来净收益的一年，但不应该将QEC视为一种能够治愈量子计算机中所有问题的单一药物，而应将其视为治疗方案的重要组成部分。
　　识别和抑制量子硬件性能下降来源的能力对于构建量子传感器和量子计算机的基础研究和工业努力都至关重要。通过机器学习增强的量子控制已经显示出一种使这些系统变得实用并显着加快研发时间的途径。
　　Biercuk还表示，大学实验室的基础科学研究与深度技术初创企业之间持续合作可以带来很多好处，能够推动领域向前发展。
　　据悉，该初创公司此前已获得美国国防和情报组织的科研资助，这些组织包括美国陆军研究办公室和国家情报局局长办公室的情报高级研究项目活动（IARPA）和美国中央情报局（CIA）。