arXiv quant-ph· Luis Fabra, Cristian E. Susa, Alcides Montoya, Ariel Norambuena·· 2 小时前AI 评分28
基于物理信息神经网络的高保真度量子门学习
High-fidelity quantum gate learning via physics-informed neural networks
AI 导读
研究提出一种基于物理信息神经网络（PINN）的高保真度量子门学习方法，覆盖单量子比特与双量子比特系统。在酉模拟中，Hadamard 门的平均不保真度达到 8.49×10⁻⁸，CNOT 门在不同相互作用下的不保真度介于 3.39×10⁻⁷ 至 4.96×10⁻⁶ 之间。该方法还在开放系统耗散环境下验证了稳定性，并支持控制场的切比雪夫紧凑表示与脉冲回放。
来源：arXiv quant-ph · arxiv.org