Nonlinear Addition of Qubit States Using Entangled Quaternionic Powers of Single-Qubit Gates
本文提出了一种新的方法，使用单位四元数代数来表示单量子比特门的任意根或分数幂，并使用这些分数幂作为代数的生成元，将这些分数输入信号组合起来，表现为一种非线性加法。该方法通过连接几个众所周知的等价物来工作。所有单量子位门的组是$U(2)$，即$C^2$的酉变换。利用适当的相位乘子，$U(2)$的每个元素都可以映射到具有单位行列式的$SU(2)$的相应元素，它们的量子力学行为是相同的。群$SU(2)$同构于单位四元数群。单位四元数的幂和根可以通过选择一个优选的平方根-1来将德莫夫尔复数根定理推广到四元数来构造。使用该等价链，对于任何单量子位门$A$和实指数$k$，可以可预测地构造门$B$，使得$B^k = A$。以这种方式生成的不同分数可以通过使用2量子位CNOT门将单独旋转的量子位连接到公共“和”量子位来组合。这样的代数的例子进行了探讨，包括由四元数$k$（对应于和$X$ -旋转的布洛赫球），四元数$\frac{\sqrt{2}}{2}(i + k)$（对应于阿达玛门），以及这些的混合物的根所产生的。这项研究的目标之一是开发经典组件的量子版本，例如机器学习和人工智能中使用的分类器集合和激活函数。给出了用于文本分类的示例应用，其使用分数旋转门来表示分类器权重，并且通过使用CNOT门来对新输入进行分类，以在主题评分量子位中收集适当的分类器权重。
2022-04-28 quant-ph
Compact quantum kernel-based binary classifier
量子计算为基于内核的机器学习方法提供了令人兴奋的机会，这些方法在数据分析中具有广泛的应用。最近的工作表明，量子计算机可以有效地构建一个分类器的模型，通过工程量子干涉效应并行执行内核评估。对于这些量子机器学习方法的实际应用，一个重要的问题是最小化量子线路的尺寸。我们提出了最简单的量子线路，用于构建基于核的二元分类器。这是通过将干涉电路一般化以在量子态的相对相位中编码数据标签并且通过引入紧凑幅度编码来实现的，紧凑幅度编码将两个训练数据向量编码到一个量子寄存器中。当与最简单的已知量子二元分类器相比时，量子比特的数量减少了两个，并且步骤的数量相对于训练数据的数量线性减少。将前一种方法中需要后选择的双量子比特测量简化为单量子比特测量。此外，最终的量子态具有更小的纠缠量比以前的方法，这提倡我们的方法的成本效益。我们的设计还提供了一种简单的方法来处理不平衡的数据集，这在许多机器学习问题中经常遇到。
2022-07-15 quant-ph
Single-qubit universal classifier implemented on an ion-trap quantum device
量子计算机可以在特定和适当的条件下为经典的棘手问题提供解决方案。然而，目前的设备只有有限的计算资源，并且努力在这些情况下开发有用的量子算法。这项工作通过实验证明，单量子比特设备可以托管通用分类器。这项工作中使用的量子处理器基于离子阱，可对小型系统进行高度精确的控制。选择的算法是重新上传方案，它可以解决一般的学习任务。离子阱满足了重新上传所需的精确控制的需要。在这里提出的实验中，成功地进行了一组非平凡的分类任务。训练过程分两步进行，结合仿真和实验。最后的结果是基准对精确模拟相同的方法，也是经典的算法，显示了竞争力的性能的离子阱量子分类器。这项工作构成了第一个实验实施的分类算法的基础上重新上传计划。
2021-11-22 physics.atom-ph quant-ph
Local gradient optimization of leakage-suppressing entangling sequences
我们使用一个基于梯度的优化方案，以找到单量子比特旋转交织在一个嘈杂的逻辑两量子比特纠缠门的时间步长之间，以抑制任意的逻辑和泄漏错误的两量子比特门。我们展示了序列保真度如何受到单量子位操作中的缺陷以及逻辑和泄漏噪声的各种相对强度的影响。我们的方法是完全通用的和系统无关的，允许应用到任何两个量子比特系统，无论实验实施细节。
2020-07-17 quant-ph
Quantum Surrogate-Driven Image Classifier: A Gradient-Free Approach to Avoid Barren Plateaus
本文提出一种无梯度量子代理驱动框架，通过经典神经代理预测测量结果并利用辅助量子比特重置引入非酉性，在多个图像分类数据集上以15量子比特电路超越直接梯度QNN和经典基线，同时缓解贫瘠高原问题。
2025-05-08 quant-ph
Q-Embroidery: A Study on Weaving Quantum Error Correction into the Fabric of Quantum Classifiers
本研究将量子纠错码（Steane码和表面码）应用于多量子比特分类器，评估其在各种物理错误下提升鲁棒性和准确性的效果，发现实际有效性取决于量子比特可用性、目标精度和错误类型等因素。
2024-03-04 cs.ET quant-ph
Experimental realization of a quantum image classifier via tensor-network-based machine learning
量子机器学习渴望克服目前限制其适用于实际问题的棘手问题。然而，量子机器学习本身受到最先进实验中可实现的低有效维度的限制。在这里，我们展示了使用光子量子比特对现实生活中的图像进行非常成功的分类，结合了手写数字的量子张量网络表示和基于纠缠的优化。具体来说，我们专注于手写的0和1，其功能被铸造成张量网络表示，进一步减少优化的基础上纠缠熵和编码成两个量子比特的光子态的二进制分类。然后，我们展示了图像分类的成功率超过98%，通过连续的门操作和投影测量。虽然我们使用光子，但我们的方法适用于其他物理实现，例如氮空位中心，核自旋和捕获离子，并且我们的方案可以扩展到张量积表示中特征的有效多量子位编码，从而为量子增强的多类分类奠定基础。
2022-01-02 quant-ph
Circuit-centric quantum classifiers
当前一代的量子计算技术要求量子算法需要有限数量的量子比特和量子门，并且对错误具有鲁棒性。一种合适的设计方法是变分电路，其中门的参数是学习的，这种方法在机器学习中的应用特别富有成效。在本文中，我们提出了一个低深度的变分量子算法的监督学习。输入特征向量被编码为量子系统的振幅，并且参数化单量子位和双量子位门的量子线路以及单量子位测量用于对输入进行分类。该电路架构确保可学习参数的数量在输入维度上是多对数的。我们提出了一个量子经典训练方案，其中模型的分析梯度可以通过运行几个稍微适应版本的变分电路来估计。我们通过模拟表明，以电路为中心的量子分类器在标准经典基准数据集上表现良好，同时需要比其他方法少得多的参数。我们还评估敏感性的分类状态准备和参数噪声，引入量子版本的辍学正则化和提供一个图形表示的量子门高度对称的线性层的神经网络。
2018-04-02 quant-ph
Quantum One-class Classification With a Distance-based Classifier
Centro de Informática Universidade Federal de Pernambuco（伯南布哥联邦大学信息中心）；Departamento de Estatística e Informática Universidade Federal Rural de Pernambuco（伯南布哥联邦农村大学统计与信息学系）
量子计算技术的进步为在实际量子设备中执行算法带来了可能性。然而，当前量子硬件中存在的错误和可用量子位的数量较少，使得有必要使用使用更少量子位和更少操作的解决方案，以减轻这些障碍。Hadamard Classifier（HC）是一种基于距离的量子机器学习模型，用于模式识别。我们提出了一种新的分类器，基于HC命名为量子一类分类器（QOCC），它由一个最小的量子机器学习模型组成，具有更少的操作和量子位，从而能够减轻NISQ（Noisy Intermediate-Scale Quantum）计算机的错误。实验结果表明，QOCC算法优于HC算法。
2021-05-06 cs.LG quant-ph
Optimization of Controlled-Z Gate with Data-Driven Gradient Ascent Pulse Engineering in a Superconducting Qubit System
采用两种不同的数据驱动梯度上升脉冲工程（GRAPE）方案，分别以优化门算子和输出量子态为目标，实现了双量子比特控制Z（CZ）门的实验优化.对于两种GRAPE协议，梯度的关键计算利用输入Z控制脉冲和实验测量的混合信息。在平顶波形中的不完美的初始脉冲下，我们的实验实现表明，CZ门得到了快速改善，并且受到两个优化脉冲的门的正确率在99%左右。我们的实验研究证实了数据驱动的GRAPE协议在门优化问题中的适用性。
2021-04-24 quant-ph
Steerability detection of arbitrary 2-qubit state via machine learning
量子操纵是量子信息处理的重要非经典资源。然而，即使有很多的导向准则存在，它仍然是非常困难的，有效地确定是否由Alice和Bob共享的任意两个量子比特状态是可操纵的或不，因为Alice的最佳测量方向是未知的。在这项工作中，我们提供了一个有效的量子转向检测方案的任意2量子比特状态的帮助下，机器学习，其中爱丽丝和鲍勃只需要在几个固定的测量方向进行测量。为了证明该方法的有效性，我们首先实现了一个高性能的全信息量子导向分类器。在此基础上，实现了一个具有部分信息的高性能量子导向分类器，其中Alice和Bob只需要在三个固定的测量方向上进行测量.我们的方法在速度和准确性方面优于一般情况下的现有方法，开辟了通过机器学习方法探索量子转向的途径。
2019-03-06 quant-ph
Gradient-based closed-loop quantum optimal control in a solid-state two-qubit system
量子最优控制可以在实现一组错误率低于容错阈值的通用量子逻辑门中发挥关键作用。开环量子最优控制依赖于对受控量子系统的精确建模，并且不能有效地随系统大小扩展。这些问题可以避免闭环量子最优控制，它利用系统的反馈，以提高控制保真度。在本文中，两个基于梯度的闭环量子最优控制算法，混合量子经典方法（HQCA）中描述的[物理。118，150503（2017）]和有限差分（FD）方法进行了实验研究，并与利用梯度上升方法的开环量子最优控制进行了比较。我们采用一个固态的电子-核自旋耦合系综作为一个双量子比特系统。具体的单量子比特和两个量子比特的状态准备门使用闭环和开环的方法进行优化。实验结果表明，在我们的系统中实现的闭环量子控制优于开环控制。此外，仿真结果表明，HQCA是更强大的比FD方法的梯度噪声，这来源于测量噪声在这个实验设置。另一方面，FD方法对于控制来自非理想硬件的场失真更鲁棒
2018-10-10 quant-ph
Analytical Series Expansion for Efficient Gradient Evaluation in Multi-Qubit Optimal Control
Institute for Quantum Computing Analytics (PGI-12) Forschungszentrum Jülich（于利希研究中心量子计算分析研究所）；Theoretical Physics, Universität des Saarlandes（萨尔兰州立大学理论物理系）
本文提出一种基于第一性原理的量子最优控制梯度计算统一框架，通过级数展开减少矩阵指数计算量，在GHZ态制备任务中较GOAT方法实现一个数量级以上的加速，适用于多量子比特平台的局域相互作用系统。
2026-10-01 quant-ph
Impact of Circuit Depth versus Qubit Count on Variational Quantum Classifiers for Higgs Boson Signal Detection
School of Computing, Universiti Utara Malaysia（乌拉尔大学计算机学院）；Faculty of Science and Technology, UIN Sunan Gunung Djati Bandung（Sunan Gunung Djati Bandung大学科学与技术学院）
本研究探讨了变分量子分类器在希格斯玻色子信号检测中的性能，发现增加电路深度比增加量子比特数量更有效。
2026-01-17 cs.LG hep-ex quant-ph
Application of Quantum Machine Learning using the Quantum Variational Classifier Method to High Energy Physics Analysis at the LHC on IBM Quantum Computer Simulator and Hardware with 10 qubits
LHC实验计划的主要目标之一是发现新物理。这需要在巨大的背景中识别罕见的信号。使用机器学习算法大大增强了我们实现这一目标的能力。随着量子技术的发展，量子机器学习有望成为高能物理数据分析的有力工具。在这项研究中，使用IBM门模型量子计算系统，我们采用量子变分分类方法在最近的两个大型强子对撞机旗舰物理分析：$t\bar{t}H$（希格斯玻色子生产与顶夸克对）和$H\rightarrowμ^{+}μ^{-}$（希格斯玻色子衰变到两个μ子，探测希格斯玻色子耦合到第二代费米子）。我们已经在IBM量子模拟器和IBM量子硬件上获得了10个量子比特的早期结果。在量子模拟器上使用100个事件的小训练样本，量子变分分类器方法的性能类似于LHC物理分析中经常使用的经典算法，如SVM（支持向量机）和BDT（提升决策树）。在量子硬件上，量子变分分类器方法已经显示出与量子模拟器相当的有前途的鉴别能力。这项研究表明，量子机器学习有能力区分现实物理数据集中的信号和背景。我们预计量子机器学习将在未来的高亮度LHC物理分析中使用，包括测量希格斯玻色子的自耦合和寻找暗物质。
2021-08-21 hep-ex quant-ph
Anti-crosstalk high-fidelity state discrimination for superconducting qubits
量子比特的测量在量子计算中起着关键的作用。当前用于对超导多量子比特系统中的单个量子比特的状态进行分类的方法由于串扰的存在而产生低于预期的性能，特别是在频率拥挤的情况下。在这里，我们将用于测量的数字信号处理（DSP）系统转化为一个浅层神经网络，并对其进行训练，使其成为一个最优分类器，以减少串扰的影响。实验结果表明，在6量子比特超导量子芯片上进行3秒优化后，串扰引起的读出误差降低了100%。
2021-03-16 quant-ph
A hybrid variational quantum circuit approach for stabilizer states classifiers
Laboratoire Interdisciplinaire Carnot de Bourgogne, UMR 6303 CNRS, University of Technology of Belfort-Montbéliard（贝尔福-蒙贝利亚尔技术大学）；Mathematics and Statistics Department, Auburn University（奥本大学）
本文提出利用变分量子电路方法对多体量子纠缠进行分类，针对四量子比特状态构建了分类器。
2026-04-02 quant-ph
The landscape of quantum transitions driven by single-qubit unitary transformations with implications for entanglement
研究了多量子比特系统中由幺正变换驱动的单量子比特相互作用量子跃迁的控制景观。对两个量子比特的情况进行了全面的分析，以揭示景观的特征，包括绝对最大值和最小值的性质，鞍点和没有陷阱。结果允许计算施密特状态从任意两个量子比特状态以下的本地梯度流。多量子比特系统的分析更具挑战性，但广义施密特态也可以通过遵循局部梯度流来定位。最后，我们给出了广义施密特态与基于布雷斯距离的纠缠度量之间的关系。
2009-10-08 quant-ph
Analysis and synthesis of feature map for kernel-based quantum classifier
开发了一种用于分析基于核的量子分类器的特征图的方法;也就是说，我们给出了一个计算精确训练精度下限的通用公式，这有助于我们查看所选择的特征图是否适合线性分离数据集。我们展示了这种方法的概念证明，用于一类2-qubit分类器，具有几个2维数据集。此外，提出了一种综合方法，该方法将不同的核组合在一起，以在更大的特征空间中构造性能更好的特征映射。
2020-08-17 quant-ph
Iterative Gradient Ascent Pulse Engineering algorithm for quantum optimal control
梯度上升脉冲工程算法（GRAPE）是求解量子最优控制问题的一种典型方法。然而，随着量子比特数目的增加，它在计算量子系统的时间演化时受到指数资源的限制，这是其在大量子比特系统中应用的障碍。为了解决这个问题，我们提出了一种迭代GRAPE算法（iGRAPE）来制备所需的量子态，通过解纠缠操作将大规模、消耗资源的优化问题分解为一组低维的优化子问题.因此，这些子问题可以用较少的计算资源并行求解。对于物理平台，如核磁共振（NMR）和超导量子系统，我们表明，iGRAPE可以提供高达13倍的速度超过GRAPE时，准备所需的量子态的系统在12量子位。使用四量子位NMR系统，我们还实验验证了iGRAPE算法的可行性。
2022-12-08 quant-ph
A quantum binary classifier based on cosine similarity
我们介绍了量子实现的二进制分类器的基础上，数据向量之间的余弦相似性。所提出的量子算法评估分类器上的一组数据向量的时间复杂度是对数的集合基数和向量的维数的乘积。它只基于一个合适的状态准备，如从QRAM中检索，SWAP测试电路（两个Hadamard门和一个Fredkin门），以及对单个量子位的测量过程。此外，我们提出了一个简单的实现所考虑的分类IBM量子处理器ibmq_16_melbourne。最后，我们描述了一个混合量子经典结构内的量子版本的K-近邻算法的分类器的组合。
2021-04-07 quant-ph
Polyadic Quantum Classifier
我们在这里介绍了一个监督量子机器学习算法的多类分类NISQ架构。训练参量量子线路以输出对应于输入数据点的类别的特定比特串。我们在IBMq 5-qubit量子计算机上对其进行了训练和测试，与经典的机器学习模型相比，该算法在Iris数据集的三元分类和XOR问题的扩展方面表现出良好的准确性。此外，我们评估与模拟如何的算法票价分别为一个二进制和四进制分类。已知的二进制数据集和合成数据集。
2020-07-28 quant-ph
Connecting geometry and performance of two-qubit parameterized quantum circuits
参数化量子线路（PQC）是许多变分量子算法的核心组成部分，但缺乏对其参数化如何影响算法性能的理解。我们开始这个讨论，使用主丛几何特征的两个量子比特PQC。在基流形上，我们使用Mannoury-Fubini-Study度量来找到一个简单的关系Ricci标量（几何）和并发（纠缠）的方程。通过在变分量子本征求解器（VQE）优化过程中计算Ricci标量，这为我们提供了一个新的视角，如何以及为什么量子自然梯度优于标准梯度下降。我们认为，量子自然梯度的优越性能的关键是它能够找到高负曲率区域的优化过程中的早期。这些高负曲率的区域在加速优化过程中显得很重要。
2022-08-12 quant-ph
A Non-Monotonic Relationship: An Empirical Analysis of Hybrid Quantum Classifiers for Unseen Ransomware Detection
本文实证分析混合量子分类器检测未知勒索软件，发现信息瓶颈及非单调性能趋势，指出需协同发展数据压缩与量子优化策略。
2025-09-09 cs.CR quant-ph
Analog quantum variational embedding classifier
提出一种基于模拟量子计算机的变分嵌入分类器，通过线性变换将经典数据编码为时变哈密顿量参数，利用量子态的非线性依赖实现分类，数值实验表明其在线性不可分数据集上达到经典最佳水平，且参数随量子比特数线性增长。
2023-05-09 quant-ph
Charge-induced energy shift of a single-spin qubit under a magnetic-field gradient
RIKEN Center for Quantum Computing（RIKEN量子计算中心）；RIKEN Center for Emerging Matter Science（RIKEN新兴物质科学中心）；QuTech, Delft University of Technology（QuTech，代尔夫特理工大学）；Kavli Institute of Nanoscience, Delft University of Technology（代尔夫特理工大学卡弗里纳米科学研究所）
研究了磁感应场梯度下单自旋量子比特因邻近量子点电荷变化导致的能量位移，并通过光谱学方法验证了量子比特频率与电荷配置的相关性。
2024-11-25 cond-mat.mes-hall quant-ph
A steady state quantum classifier
我们报告说，在某些特定条件下，一个单一的量子比特模型弱相互作用的信息环境可以被称为量子分类器。我们利用完全正（CP）量子动力学映射的可加性和可分性，以获得一个开放的量子分类器。数值研究了系统对输入参数的稳态响应，发现稳态下的开放量子动力学响应对输入参数呈非线性作用。我们还证明了量子数据实例的线性分离，这反映了理想和实验条件下所提出的模型的功能的成功。指出超导电路是实现理论模型的物理模型，但可能存在缺陷。
2019-01-31 quant-ph
Machine Learning for Continuous Quantum Error Correction on Superconducting Qubits
已经发现连续的量子纠错相对于离散的量子纠错具有某些优点，诸如硬件资源的减少以及消除了由具有纠缠门和辅助量子位引入的错误机制。我们提出了一个机器学习算法的连续量子纠错，是基于使用的递归神经网络，以确定从连续的嘈杂的综合征测量位翻转错误。该算法被设计为对偏离理想行为的测量信号进行操作，在理想行为中，平均值对应于代码校正子值，并且测量具有白噪声。我们分析了连续测量从超导体系结构使用三个transmon量子位，以确定三个重要的实际例子的非理想行为，即自相关在时间短滞后，每个位翻转后的瞬态综合征动态，并漂移在稳态综合征值在许多实验的过程中。基于这些现实世界的缺陷，我们产生的合成测量信号，从其中训练的递归神经网络，然后测试其熟练程度时，实施主动纠错，比较这与传统的双阈值方案和离散贝叶斯分类器。结果表明，我们的机器学习协议能够在所有测试中优于双阈值协议，实现与离散贝叶斯分类器相当的最终状态保真度。
2022-07-05 quant-ph
Machine learning assisted readout of trapped-ion qubits
我们使用机器学习技术减少量子计算机中的测量误差。我们利用一个简单而通用的神经网络来分类多量子位量子态，这是使用实验数据进行训练。这种灵活的方法允许在对底层网络架构进行最小修改的情况下合并任何数量的数据特征。我们通过实验说明了这种方法在读出捕获离子量子位使用额外的空间和时间的数据特征。使用这种神经网络分类器，我们有效地处理量子比特读出串扰，导致在检测误差比传统的阈值方法的30%的改善。我们的方法不依赖于系统的具体细节，可以很容易地推广到其他量子计算平台。
2018-05-01 quant-ph
Supervised learning with a quantum classifier using a multi-level system
我们提出了一个量子分类器，它可以使用量子特征空间的监督学习方案下的数据进行分类。与更常用的纠缠多量子位系统相反，输入特征向量被编码在单个量子$N$ it（$N$能级量子系统）中。对于训练，我们使用了常用的量子变分算法-一种混合量子经典算法-其中计算的前向部分在量子硬件上进行，而反馈部分在经典计算机上进行。我们引入“Single Shot training”在我们的计划，所有输入样本属于同一类被用来训练的分类器同时。这大大加快了训练过程，并提供了优于经典机器学习分类器的优势。我们展示了成功的分类流行的基准数据集与我们的量子分类器，并比较其性能与一些经典的机器学习分类器。我们还表明，在我们的分类器的训练参数的数量显着少于经典分类。
2019-08-22 quant-ph
Implementing a distance-based classifier with a quantum interference circuit
最近，人们对解决机器学习中模式识别任务的量子算法给予了很大的关注。许多量子机器学习算法试图在大规模通用量子计算机上实现经典模型，这些量子计算机可以访问非平凡的子程序，如哈密顿模拟，幅度放大和相位估计。我们从相反的方向来处理这个问题，并分析了一个基于距离的分类器，它是由一个简单的量子干涉电路实现的。在状态准备之后，电路仅由一个Hadamard门以及两个单量子比特测量组成，并以量子并行方式计算数据点之间的距离。我们使用IBM Quantum Experience演示了原理证明，并通过数值模拟分析了分类器的性能，表明它对简单的基准任务进行了惊人的分类。
2017-08-28 quant-ph
Solving the traveling salesman problem on $\lceil \log_2 (N-1)! \rceil$ qubits with a variational quantum Kolmogorov--Arnold network: exact-gradient CVaR training and generalization over time-dependent graphs
QuantScape Inc.（QuantScape公司）
针对 TSP 的 NP 难特性及通用量子计算机量子比特受限问题，提出基于 VQKAN 的求解方法，减少量子比特需求，并验证其可优化部分路径长度随时间变化的图。
2026-10-15 quant-ph
Measurement and dephasing of a flux qubit due to heat currents
我们研究了一个磁通量子比特，它是由一个被三个约瑟夫森结打断的超导环组成的，它受到温度梯度的影响。我们表明，由温度梯度引起的热流，在结处的超导相位差敏感，显着依赖于量子比特的状态。我们进一步研究了热流对量子比特态相干性的影响。我们已经发现，对于Delft量子位设计，即使很小的温度梯度也会导致微秒量级的失相时间。
2015-01-07 cond-mat.mes-hall quant-ph
Classifying single-qubit noise using machine learning
IBM T.J. Watson Research Center（IBM T.J.沃森研究中心）；National Institute of Standards and Technology（美国国家标准与技术研究院）；University of Maryland（马里兰大学）；Sandia National Laboratories（桑迪亚国家实验室）；University of New Mexico（新墨西哥大学）
量子表征、确认和验证（QCVV）技术用于探测、表征、诊断和检测量子信息处理器（QIP）中的错误。任何QCVV协议的一个重要组成部分是从实验数据到QIP属性估计的映射。机器学习（ML）算法可以帮助自动化QCVV协议的开发，通过从训练数据中学习来创建此类地图。我们确定了“机器学习”的QCVV技术的关键组成部分，并提出了一个标题为开发它们。为了证明这种方法，我们专注于确定影响单个量子位的噪声是相干的还是随机的（不相干的），使用最初提出的数据集进行门集层析成像的问题。我们利用已知的ML算法来训练区分这两种噪声的分类器。分类器的准确性取决于它能多好地近似训练数据的“自然”几何形状。我们发现由噪声量子比特生成的GST数据集可以通过线性表面可靠地分离，尽管特征工程可能是必要的。我们还表明，通过支持向量机（SVM）学习的分类器在有限样本噪声下是鲁棒的。
2019-08-30 cs.LG quant-ph
Enhancing the performance of Variational Quantum Classifiers with hybrid autoencoders
针对VQC难以处理高维数据的问题，提出结合后续量子嵌入的定向降维方法及量子启发经典自动编码器，实验证明其可提升分类性能并降低重构损失。
2024-09-05 quant-ph
Relaxation and Readout Visibility of a Singlet-Triplet Qubit in an Overhauser Field Gradient
利用GaAs双量子点中的单激发电荷探测，研究了单电子动态核极化（DNP）后双电子单重态-三重态量子比特的自旋弛豫时间T1和读出可见度.对于高达2 T的磁场，在所有情况下发现DNP周期增加Overhauser场梯度，这又降低T_1，从而降低读出可见度。这种效应以前归因于在类似的DNP循环下对单线态-三线态退相的抑制。一个描述单重态-三重态混合后弛豫的模型与实验结果吻合得很好。研究了脉冲宽度对能见度的影响。
2011-08-21 cond-mat.mes-hall quant-ph
A quantum computer using a trapped-ion spin molecule and microwave radiation
我们提出了一种新的设计的量子信息处理器，量子比特被编码成超精细状态的离子保持在一个线性阵列的单独定制的微陷阱和坐在一个空间变化的磁场。磁场梯度引入空间依赖的量子位跃迁频率和量子位之间的自旋-自旋相互作用类型。单量子位和多量子位操作是通过共振微波脉冲实现的，如在液体NMR量子计算中，而量子位读出和复位是通过捕获离子荧光搁置技术实现的。通过调整微陷阱的配置，我们可以在硬件中定制量子比特的谐振频率和耦合强度。我们表明，该系统具有边带过渡结构，它不与处理器的大小，允许量子位之间的可扩展的频率歧视的规模。通过使用大的磁场梯度，可以经由频率选择性光脉冲来读出和重置离子链中的量子位，从而避免需要许多紧密聚焦的激光束来进行空间量子位寻址。
2004-04-13 quant-ph
Demonstration of a bosonic quantum classifier with data re-uploading
本研究提出适用于玻色系统的数据重上传量子分类器，基于硅光集成量子电路验证，原理实验分类复现率约94%，可推广至双模N光子系统，助力光量子分类器发展。
2022-07-14 quant-ph
QUILT: Effective Multi-Class Classification on Quantum Computers Using an Ensemble of Diverse Quantum Classifiers
Northeastern University（东北大学）
本文提出 Quilt 框架，通过多样化量子分类器集成，在当前噪声较大、量子比特有限的硬件上完成多类分类，并在五量子比特系统的 MNIST 任务中达到最高 85% 准确率。
2023-09-26 cs.LG quant-ph
Entangling ions with engineered light gradients
Universität Innsbruck（因斯布鲁克大学）；Universidad Autónoma de Madrid（马德里自治大学）；Instituto de Física Teórica (UAM-CSIC)（理论物理研究所（UAM-CSIC））；Universität Siegen（锡根大学）；Alpine Quantum Technologies（阿尔卑斯量子技术公司）
通过几何相位纠缠相互作用，利用横向时间依赖结构光力减少光谱拥挤影响，实现高保真两量子比特门，验证了梯度场光移门在光谱拥挤离子陷阱中的可扩展性。
2026-03-22 quant-ph
Magnetic gradient free two axis control of a valley spin qubit in SiGe
SiGe量子点中的自旋是量子比特的有希望的候选者，但由于谷简并性也是具有挑战性的，谷简并性可能导致自旋退相干和弱自旋-轨道耦合。在这项工作中，我们证明了谷态可以作为一种资产，使双轴控制的单重态-三重态量子比特形成在一个双量子点，而无需施加磁场梯度。我们使用塞曼分裂三重态的磁场光谱测量每个点中的谷谱。基态之间的点间跃迁需要一个电子在谷之间翻转，这反过来又提供了两个点之间的g因子差$Δg$。该$Δg$用作有效的磁场梯度，并且允许量子位旋转，其速率随着外部磁场线性增加。我们测量了几个点间跃迁，发现这个谷引入$Δg$是普遍的和电调谐。这可以通过去除对难以设计的磁场梯度的要求来潜在地简化SiGe平台中的按比例放大量子信息处理。
2021-01-24 cond-mat.mes-hall quant-ph
Partially-Blind Single-Qubit Classification over a Prototype Hybrid Quantum Network
ICFO—Institut de Ciencies Fotoniques, The Barcelona Institute of Science and Technology（光子科学研究所，巴塞罗那科学与技术研究院）；LION—Leiden Institute of Physics, Leiden University（莱顿物理研究所，莱顿大学）；QuTech, Delft University of Technology（量子技术中心，代尔夫特理工大学）；Kavli Institute of Nanoscience, Delft University of Technology（卡弗里纳米科学研究所，代尔夫特理工大学）；SURF—Collaborating University Computing Facilities（SURF大学计算设施合作组织）；NITeQ—Interdisciplinary Nucleus for Quantum Technologies, PUC-Rio—Pontifical Catholic University of Rio de Janeiro（量子技术跨学科核心机构，里约热内卢天主教大学）；ICREA—Institucio Catalana de Recerca i Estudis Avançats（加泰罗尼亚研究高级学院）；Quantum Technology Department, TNO—The Netherlands Organization for Applied Scientific Research（量子技术部，荷兰应用科学研究组织）
提出部分盲单量子比特分类框架，结合混合量子网络与纠缠交换，在模拟中实现接近经典深度信念网络的信用卡欺诈分类性能。
2026-07-03 quant-ph
Scaling Laws for Hybrid Quantum Neural Networks: Depth, Width, and Quantum-Centric Diagnostics
University of Sharjah（沙迦大学）；New York University Abu Dhabi (NYUAD)（纽约大学阿布扎比分校）；NYUAD Research Institute, NYUAD（纽约大学阿布扎比研究院）
研究混合量子-经典分类器在深度和量子比特数量变化下的性能与量子行为扩展规律，通过多个数据集评估预测性能及量子特性，揭示扩展趋势、饱和区域及数据集依赖性。
2026-04-07 quant-ph
Efficient Discrete Feature Encoding for Variational Quantum Classifier
最近几天，人们对应用量子增强技术解决各种机器学习任务产生了浓厚的兴趣。在经典计算技术的帮助下使用不完美量子设备的量子资源的变分方法在监督学习中很受欢迎。变分量子分类（VQC）是其中一种可能具有量子优势的方法，它利用了经典方法难以计算的量子增强特征。它的性能取决于经典特征到量子增强特征空间的映射。虽然到目前为止已经提出了许多量子映射函数，但很少讨论离散特征的有效映射，例如年龄组，邮政编码等，这些特征通常对分类感兴趣的数据集很重要。我们首先介绍了使用量子随机存取编码（QRAC）有效地映射到有限数量的量子比特的VQC这样的离散功能。在数值模拟中，我们提出了一系列的编码策略，并展示了它们的局限性和能力。我们的实验表明，QRAC可以帮助加快VQC的训练，通过减少其参数，通过节省映射的量子比特的数量。我们确认的QRAC在VQC的有效性，通过实验与模拟器和真实的量子设备的真实世界的数据集的分类。
2021-11-12 quant-ph
High-fidelity entangling gate for double-quantum-dot spin qubits
半导体中的电子自旋是有希望的量子比特，因为它们的长相干时间使近10^9相干量子门操作成为可能。然而，开发可扩展的高保真双量子比特门仍然具有挑战性。在这里，我们展示了一个纠缠门之间的两个双量子点自旋量子位在GaAs中，通过使用磁场梯度之间的两个量子点在每个量子位，以抑制退相干由于电荷噪声。当磁梯度主导电子之间的电压控制交换相互作用时，量子比特相干时间增加一个数量级。使用随机基准测试和自洽的量子测量，状态和过程断层扫描，我们测量单量子位门的保真度约为99%和纠缠门保真度为90%。在未来，在无核自旋材料（如Si）中操作具有大梯度的双量子点自旋量子比特，应该能够实现超过容错量子信息处理阈值的双量子比特门保真度。
2016-08-15 cond-mat.mes-hall quant-ph
Theory of Silicon Spin Qubit Relaxation in a Synthetic Spin-Orbit Field
我们发展了在磁场梯度存在下单电子硅自旋量子比特弛豫的理论。这种场梯度通常由芯片上的微磁体产生，以允许自旋量子位上的电控量子门。我们建立在一个山谷依赖的包络函数理论，使电子波函数的分析在硅量子点与任意粗糙度的界面。我们假设在Si/SiGe界面处存在单层原子台阶，并研究梯度场的存在如何修改自旋混合机制。我们表明，我们的理论模型可以定量再现的实验测量结果的量子位弛豫在硅中的微磁体的存在。我们进一步详细研究了场梯度如何改变硅自旋量子比特的EDSR拉比频率。虽然这在很大程度上取决于界面粗糙度的细节，但有趣的是，我们发现在具有理想界面的自旋量子比特顶部添加微磁体甚至可以在外部磁场强度的某个间隔内降低EDSR频率。
2022-02-01 cond-mat.mes-hall quant-ph
Selective Noise Resistant Gate
在基于自旋的量子寄存器中实现对单个量子位的单独控制是一个不断增加的挑战，因为量子位谐振频率非常接近。目前的方案通常受到保真度和量子位选择性之间的固有权衡的影响。在这里，我们报告了一个新的方案，它结合了噪声保护的动态去耦和基于磁梯度的选择性，以提高保真度和选择性。在金刚石中具有单个氮空位中心的情况下，我们实验证明了保真度= 0.9 $\pm$ 0.02和50 kHz光谱带宽的量子门，这几乎比未受保护的带宽窄一个数量级。我们的方案将能够选择性地控制一个单独的氮空位量子位在一个相互作用的量子位阵列使用相对温和的梯度约1 mG/nm。
2020-09-08 quant-ph
Coherent consensus for the estimation and classification of phases
Centre for Quantum Technologies (CQT), National University of Singapore 117543, Singapore
本文提出一种基于GHZ态的相干共识原语，通过相位编码和收集，将量子分类器的协作精度提升$\sqrt{n}$倍，并在离子阱量子计算机上验证了其优于多数投票的估计性能。
2026-10-08 quant-ph
Dynamics of tripartite correlations for three qubits in independent thermal reservoirs
我们研究了三个量子比特存在于独立热库中的三方系统中多体纠缠的动力学演化，模型为无限多个量子谐振子。我们发现，水库之间的温度梯度的存在下，对环境退相干的多体相关的鲁棒性发挥了重要作用。考虑相互作用哈密顿量的双线性形式，给出了时间演化密度矩阵的精确表达式。有趣的是，我们观察到GHZ类Werner态的真实多体共存的持续时间随着库间温度梯度的增加而增加。然而，这种增加是非线性的，并且对于大的温度梯度，保存持续时间显示饱和。还观察到，对于大的温度梯度，有多个间隔，在其中的相干性，因此三方负显示鲁棒性（冻结的相关性）对环境退相干W类维尔纳状态。对于常见的温度的情况下，我们表明，真正的多体并发的GHZ类维尔纳状态不可逆地衰减，和状态的经验相关猝死，与考虑中的水库的谱密度依赖的速率。对于低温下的欧姆库，我们观察到，状态保持初始的多体关联到一个特征时间，然后急剧衰减到零的相关突然死亡。我们进一步研究了W类Werner态的三重负性和相干性的$l_{1}$范数的动力学，并显示了这些相关性的不可逆退化。
2021-09-07 quant-ph
Robust energy selective tunneling readout of singlet triplet qubits under large magnetic field gradient
快速、高保真的量子态探测对于在半导体中构建稳健的基于自旋的量子信息处理平台至关重要。基于泡利自旋阻断（PSB）的自旋-电荷转换及其变体被广泛用于双电子单重态-三重态（ST $_0$）量子比特的自旋状态鉴别;然而，单次测量保真度受到低信号对比度或PSB能量失谐下三重态的短寿命的限制，特别是由于在大磁场梯度下与单重态的强混合。最终，有限的单次测量保真度导致量子操作的可见性低。在这里，我们展示了一种替代方法来实现ST $_0$量子位态的自旋到电荷转换，使用双占据量子点（QD）和电子库之间的能量选择性隧穿。我们证明了一个90%的单次测量保真度和S-T $_0$振荡的可见性为81%，在100 mT（~ 500 $MHz\cdot h \cdot(g^{*}\cdot μ_B)^{-1}$）的场梯度，这允许单次读出与完整的电子电荷信号对比度，并在同一时间，长和可调的测量时间，即使在强磁场梯度的松弛效应可以忽略不计。使用一个射频传感器的QD阵列的位置相对，我们将这种方法应用到两个ST $_0$量子位，并显示高可见性读出两个单独的单量子位门操作是可能的，与一个单一的射频单电子晶体管传感器。我们期望我们的双电子自旋态的测量方案可以应用于各种宿主材料，并为基于量子点的量子计算平台上的高精度多量子比特态检测提供一种简化和互补的途径。
2020-07-29 cond-mat.mes-hall quant-ph
Composite pulses for robust universal control of singlet-triplet qubits
精确的量子位操作是量子计算的基础，然而实验系统通常在量子位和环境之间存在杂散耦合，这阻碍了必要的高精度控制。我们在这里报告了在半导体双量子点中单重态-三重态自旋量子位的背景下，在纠正由磁场梯度波动引起的一类重要误差方面的第一个理论进展。这些误差无法通过在其他背景下开发的控制技术进行校正，因为在这里，实验者只能精确控制布洛赫球绕z轴的旋转速率，并且该速率还被限制为正值和有界。尽管有这些强约束，我们构造简单的电脉冲序列，对于小梯度，进行z轴旋转，同时取消误差高达六阶梯度波动，和大梯度，进行任意旋转，同时取消领先的顺序错误。
2013-04-03 cond-mat.mes-hall quant-ph
Gradient optimization of analytic controls: the route to high accuracy quantum optimal control
量子计算对门的性能提出了非常严格的要求，实验实现需要控制和由此产生的动力学符合硬件特定的约束。超导量子比特提出了额外的要求，即脉冲必须具有简单的参数化，因此它们可以在实验中进一步校准，以补偿系统参数的不确定性。其他量子技术，如传感，需要极高的量子效率。我们提出了一种新的，概念简单，易于实现的基于梯度的最优控制技术命名为梯度优化的解析控制（GOAT），它满足所有上述要求，不同于以前的方法。为了展示GOAT的能力，重点是灵活性和易于随后的校准，我们优化了两种领先的超导量子位架构的快速相干限制脉冲-通量可调transmons和固定频率transmons与可调耦合器。
2018-03-01 quant-ph
Singlet-only Always-on Gapless Exchange Qubits with Baseband Control
本研究提出SAGE自旋量子比特方案，将单比特编码于四电子自旋中，可抵御磁场梯度引发的相干误差与泄漏，在梯度噪声主导下相干性能提升一个数量级，且双比特门脉冲序列更简化。
2025-09-04 cond-mat.mes-hall quant-ph
Fast, robust and laser-free universal entangling gates for trapped-ion quantum computing
本文提出并验证了一种无需激光的囚禁离子双量子比特纠缠门，通过相位调制连续场实现双重修饰态，兼具高速度与抗噪性，显著提升相干时间且利于大规模扩展。
2025-06-27 quant-ph
