利用连续参数的变分量子算法实现超导量子门

随着量子计算已步入中等噪声规模阶段,量子比特（Quantum Bits,qubits）的有效控制和量子操作的实现已成为重要的研究方向.目前,机器学习在许多领域都发挥着重要作用,因此,将机器学习与量子计算相结合,利用机器学习的方法解决量子计算的问题,寻找可行的量子操控方案.基于超导量子电路,利用连续参数的变分量子算法（ContinuousTime Variational Quantum Algorithm,CTVQA）对两个二能级超导量子比特系统的参数进行变分优化,得到控制非（Controlled-NOT,CNOT）门、控制相位（Controlled-Phase,CZ）门和量子傅立叶变换（Quantum Fourier Transform,QFT）三种量子操作的参数调控方案.然后,通过引入噪声的方式对三个参数调控方案进行鲁棒性分析.结果表明,CTVQA在实现量子操控方面具有较好的通用性,能够为实验提供参数方案.同时,CTVQA得到的参数方案在保真度和鲁棒性方面表现较好.