点击次数：

我校郭光灿院士团队在硅基半导体量子芯片研究中取得重要进展。该团队郭国平、李海欧等人与中科院微电子所王桂磊、广西大学张程贤、本源量子计算有限公司合作，首次在硅基金属氧化物半导体量子点中实现电子自旋量子比特的几何量子门操作，并引入机器学习更好的实现量子比特状态的读取，对于该体系更好地实现对噪声鲁棒的量子比特状态操作和读取有着重要的指导意义。研究成果以“Single-spin-qubit geometric gate in a silicon quantum dot”和”Singlet-triplet-state readout in silicon metal-oxide-semiconductor double quantum dots”为题，分别于1月24日和3月13日在线发表在国际应用物理知名期刊《Physical Review Applied》。

硅基半导体电子自旋量子比特以其长量子退相干时间和高操控保真度，以及与现代半导体工艺技术兼容的高可扩展性等优势，成为实现普适量子计算的重要候选者之一。在最近的文献中，尽管此体系实现了超过99.9 %的单比特门操作保真度以及超过99 %的读取保真度，但在大规模量子计算中，每个量子比特所经历的噪声环境和噪声强度是不同的，这使得通过实时校准等方案可重复地实现高保真度量子比特状态操作和读取十分具有挑战性。同时，对大规模量子比特的各种参数进行实时校准非常耗时且伴随着大量的资源消耗。因此，噪声对操作和读取保真度的影响仍是一个不可忽略的因素。

为可重复地实现高保真度量子比特门操作，研究人员引入几何量子计算（geometric quantum computing, GQC）作为一种优化控制方案，利用其抗噪声特性来缓解噪声对量子比特门操作的影响。结果显示，即使在和噪声强度分别约为200 kHz和26 kHz的情况下，GQC仍显示出其噪声鲁棒性。基于其抗噪声特性，GQC将减轻频繁校准拉莫尔频率和拉比频率的需要，甚至完全消除这一要求。该工作表明，在复杂噪声环境下，GQC可以比动力学门更有效地实现高保真量子比特门操作，从而减轻实现大规模量子计算的挑战。

图1：（a）动力学门和两种构造路径几何门的门操作保真度；（b）两种构造路径几何门操作保真度相较动力学门的提升。

同时，为可重复地实现高保真度量子比特状态读取，研究人员揭示了当前常用的阈值法分析单重态-三重态读取保真度的缺陷，并引入机器学习方案更好的实现量子比特状态读取。不同于阈值法使用的将特定时间内读取信号与固定阈值作比较的思路，机器学习可以对整个读取时间内信号的趋势做判断，从而实现高保真度读取；同时机器学习还被证明在不同噪声情况下都优于阈值法。该工作表明，在复杂噪声环境下，机器学习有助于实现量子比特状态的高保真度读取，缓解大规模量子计算对读取的要求。

图2：（a）阈值法(THM)和机器学习(ML)方法判断不同量子比特状态的错误率；（b）不同噪声强度下阈值法和机器学习方法的平均读取保真度及信号相应的信噪比(SNR)。

中科院量子信息重点实验室博士生马荣龙为两篇论文第一作者，中科院量子信息重点实验室李海欧教授为论文通讯作者。该工作得到了科技部、国家基金委、中国科学院以及安徽省的资助，李海欧教授得到了中国科学技术大学仲英青年学者项目的资助。

论文链接1：https://doi.org/10.1103/PhysRevApplied.21.014044

论文链接2：https://doi.org/10.1103/PhysRevApplied.21.034022