⚛️ quantum physics

Utility of NISQ devices: optimizing experimental parameters for the fabrication of Au atomic junction using gate-based quantum computers

该研究利用含噪声中等规模量子（NISQ）设备优化反馈控制电迁移实验参数以自主制备金原子结，结果表明其在求解大规模组合优化问题时，相比量子退火机具有更低的剩余能量和更高质量的近似解。

原作者： Takumi Kanezashi, Daisuke Tsukayama, Jun-ichi Shirakashi, Tetsuo Shibuya, Hiroshi Imai

发布于 2026-04-15

📖 1 分钟阅读🧠 深度阅读

原作者： Takumi Kanezashi, Daisuke Tsukayama, Jun-ichi Shirakashi, Tetsuo Shibuya, Hiroshi Imai

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

这篇论文讲述了一个非常有趣的故事：科学家试图用“未来的电脑”（量子计算机）来教“现在的机器”如何更精准地制造纳米级的原子开关。

为了让你轻松理解，我们可以把整个过程想象成**“在暴风雨中用一根极细的线穿针引线”**。

1. 背景：为什么要做这个实验？

想象一下，你有一根比头发丝还细几千倍的金线（金纳米线）。你的目标是用电流把这根线烧断，直到它只剩下一个原子那么宽，形成一个“原子结”。这就像是在做极其精细的微雕。

挑战：这个过程叫“电迁移”。如果电流太大，线会直接断掉（针断了）；如果电流太小，线又缩不回去（针没穿过去）。
传统方法：以前，科学家需要像老练的工匠一样，手动不断调整电压（就像手抖着微调旋钮），试图找到那个完美的平衡点。但这非常难，因为原子太小了，稍微一点误差就前功尽弃。
新目标：能不能让电脑自动帮我们要找到最佳的电压调整方案？这就变成了一个**“组合优化问题”**（就像要在成千上万种走法中，找到一条不迷路的最短路线）。

2. 主角登场：NISQ 量子计算机

论文的主角是一种叫NISQ（含噪声中等规模量子）的电脑。

比喻：你可以把它想象成**“初出茅庐的天才少年”**。它算力惊人，能瞬间算出无数种可能性，但它有点“神经质”（有噪声、容易出错），而且还没完全成熟（量子比特数量有限）。
对手：之前的研究用的是量子退火机（如 D-Wave），这更像是一个**“专门干苦力的老工匠”**，虽然稳定，但干活时需要的“工具”（物理量子比特）非常多，效率反而可能变低。

3. 实验过程：如何训练这个“天才少年”？

研究人员设计了一个自动系统，流程如下：

收集数据（建立题库）：
先让机器随机尝试各种电压，记录下结果。就像收集了 50 份“考试试卷”，看看哪种电压组合能让金线最平稳地变细。
制定规则（出题）：
把“如何调整电压”变成一个数学题。目标是：让金线的导电能力（电导）像下楼梯一样，一级一级平稳下降，而不是直接跳崖。
- 如果电压调得好，金线就稳稳地少一个原子。
- 如果调得不好，金线就崩断了。
量子计算（解题）：
把这个问题交给门基量子计算机（Gate-based Quantum Computer）。它使用一种叫VQE（变分量子本征求解器）的算法。
- 比喻：这就像让那个“天才少年”在脑海里模拟无数种走法，然后不断自我修正，直到找到那条最完美的“下楼梯”路线。
对比测试（大考）：
研究人员让这台量子计算机和之前的“老工匠”（D-Wave 退火机）以及传统的超级计算机进行比赛，看谁能算出最好的电压调整方案。

4. 惊人的结果：新手赢了老手！

实验结果非常令人兴奋：

更精准：对于规模较大的问题（比如需要调整 10 次电压），NISQ 量子计算机算出的方案比 D-Wave 退火机更好。
为什么？
- D-Wave（老工匠）：虽然它很稳，但它为了处理一个问题，需要把很多个物理比特“捆绑”在一起（这叫“小嵌入”），就像为了搬一块砖，非要叫来一队人，结果人多了反而容易乱，出错率高。
- NISQ（天才少年）：它不需要那么多人手，直接用自己的逻辑比特。虽然它有点“神经质”（有噪声），但因为不需要复杂的捆绑，反而在解决这类问题时更灵活、更准确。
实际效果：量子计算机算出的方案，成功指导实验制造出了完美的原子结，金线真的像下楼梯一样，一个原子一个原子地减少，非常平稳。

5. 总结与意义

这篇论文告诉我们：

量子计算机真的能干活了：即使现在的量子计算机还不够完美（有噪声），它们在某些特定的复杂任务（如优化实验参数）上，已经能打败传统的专用量子设备，甚至接近完美的模拟结果。
未来的应用：这意味着未来我们可以用这种“不完美但聪明”的量子电脑，自动控制极其精密的纳米制造过程。无论是制造更小的芯片、单分子晶体管，还是未来的量子计算机本身，这种**“自动调参”**的能力都至关重要。

一句话总结：
科学家成功教会了一台有点“小毛病”的量子计算机，如何自动帮他们把金线雕刻成完美的原子开关，而且它表现得比之前的专业设备还要出色！这标志着量子计算从“实验室玩具”迈向了“实用工具”的重要一步。

这是一份关于利用基于门控的量子计算机（Gate-based Quantum Computers）优化金（Au）原子结制造实验参数的详细技术总结。该研究发表在 2026 年 4 月 15 日（注：根据文档日期），旨在探索含噪声中等规模量子（NISQ）设备在解决组合优化问题中的实用性。

1. 研究背景与问题定义 (Problem)

背景：反馈控制电迁移（FCE）是一种通过施加电压反馈来精确控制金属纳米线中原子迁移的技术，用于制造金（Au）原子结、单电子晶体管等纳米器件。
核心挑战：FCE 过程需要精细调节多个实验参数（如反馈电压 $V_{FB}$ 、阈值微分电导 $G_{TH}$ 、电压步长 $V_{STEP}$ 等）。随着实验进程，如何自动调度这些参数的最优组合是一个复杂的组合优化问题。
现有局限：
- 人工微调参数困难且低效。
- 现有的机器学习、伊辛计算（Ising computation）和量子退火（QA）方法已被使用，但量子退火机（如 D-Wave）在处理大规模问题时，由于需要“小嵌入”（minor embedding）将逻辑量子比特映射到物理量子比特，导致物理量子比特需求激增，且长链断裂会降低解的质量。
研究目标：评估基于门控的 NISQ 设备（特别是使用变分量子算法 VQA）在自主优化和调度 FCE 实验参数方面的可行性，并将其计算精度与量子退火系统（QA）及经典模拟退火（SA）进行对比。

2. 方法论 (Methodology)

2.1 问题建模

目标函数：将 FCE 参数调度建模为寻找最大化“总得分”的问题。
- 得分定义：基于归一化电导 $G/G_0$ 的稳定性（ $P_1, L, P_2$ ）和原子位移程度（ $D, F$ ）计算单个电压步长的得分 $Score_{VFB}$ 。
- 过渡得分：定义相邻电压步长之间的交互系数 $W_{ij}$ ，表示从电压 $V_{FB,i}$ 切换到 $V_{FB,j}$ 的原子迁移控制质量。
成本函数：构建一个类似于旅行商问题（TSP）但约束更少（允许重复选择参数）的哈密顿量 $H$ 。
$E(x) = A \sum_n (\sum_i x_{n,i} - 1)^2 - B \sum_n \sum_i \sum_j W_{ij} x_{n,i} x_{n+1,j}$
其中， $x_{n,i}$ 是二元变量（one-hot 编码）， $A$ 和 $B$ 是超参数。最小化 $E(x)$ 等价于最大化调度总得分。

2.2 量子算法实现

算法选择：采用变分量子本征求解器（VQE），因为其在 NISQ 设备上通常比 QAOA 提供更高效可靠的近似解。
Ansatz 设计：为了适应 NISQ 设备的噪声和有限的相干时间，使用了硬件高效 Ansatz，仅包含每个量子比特的 $R_Y$ 门。这减少了优化参数数量和量子门操作，降低了门误差和退相干的影响。
实验设置：
- 硬件：IBM 的 127 量子比特 Eagle 处理器（ibm_nazca 和 ibm_brussels）。
- 对比组：D-Wave 量子退火机（2000Q, Advantage, Advantage2）、经典模拟退火（SA, dwave-neal）、以及 IBM 的噪声模拟器（aer_simulator_matrix_product_state）。
- 规模：逻辑量子比特数 $N$ 从 18 到 90（对应 2 到 10 个调度步骤，9 个电压等级）。

3. 关键贡献 (Key Contributions)

NISQ 设备在组合优化中的实证优势：首次系统性地展示了基于门控的 NISQ 设备在解决此类特定组合优化问题时，其近似解质量（以剩余能量衡量）优于当前的量子退火系统。
硬件效率与噪声鲁棒性分析：揭示了量子退火机由于“小嵌入”机制导致物理量子比特消耗巨大（是逻辑比特的 2.3-9.4 倍），而基于门控的设备逻辑比特与物理比特 1:1 对应，从而在相同问题规模下受噪声影响更小，能更有效地抑制剩余能量的退化。
实际应用场景验证：成功将量子计算应用于真实的物理实验（Au 原子结制造）参数调度，证明了其在单原子级别控制中的潜力。
优化策略：通过选择低读出误差的量子比特并应用电路优化（generate_preset_pass_manager），显著提升了 NISQ 设备的表现，使其在 $N \le 4$ 时表现与无噪声模拟器相当。

4. 实验结果 (Results)

剩余能量（Residual Energy, $E_{res}$ ）：
- 随着问题规模（ $N$ ）增加，所有方法的 $E_{res}$ 均上升。
- 排名：经典模拟退火（SA） < 门控量子模拟器 < ibm_brussels < ibm_nazca < 量子退火（QA）。
- 关键发现：NISQ 设备（ibm_brussels 和 ibm_nazca）的剩余能量显著低于 D-Wave 系列量子退火机。特别是 ibm_brussels，在 $N \le 4$ 时，其结果与无噪声模拟器几乎一致。
调度质量（ $S_{max}$ ）：
- $S_{max}$ 衡量调度方案对电导控制的优劣。
- 对于 $N \le 4$ ，NISQ 设备生成的调度方案与 SA 和模拟器完全匹配。
- 对于 $N \ge 5$ ，NISQ 设备生成的调度方案优于量子退火机，且虽然 $E_{res}$ 增加，但 $S_{max}$ 仍保持较高水平，接近模拟器结果。
- 实验验证表明，由 NISQ 生成的调度（如 20% 和 60% 电压的交替循环）能有效控制金纳米线中的单原子迁移。
资源效率：
- 在解决相同规模问题时，D-Wave Advantage2 需要的物理量子比特数是逻辑比特数的 2.3-3.3 倍，而门控设备无需此开销。

5. 研究意义与结论 (Significance & Conclusion)

技术突破：本研究证明了尽管存在噪声和有限的相干时间，当前的 NISQ 设备已具备解决复杂现实世界组合优化问题的能力，且在特定任务上超越了量子退火机。
应用前景：为自主实验系统（Self-driving Labs）提供了新的计算范式。利用门控量子计算机优化 FCE 参数，可以实现更精确、更可靠的单原子级器件制造（如单电子晶体管、超导量子比特）。
未来方向：
- 引入 CVaR-VQE 以加速收敛并提高解的质量。
- 应用读出误差缓解技术（如 mthree）进一步降低剩余能量。
- 探索高阶二进制优化（Higher-order binary optimization）或新的编码方案，以在更少的物理量子比特下解决更大规模的问题。

总结：该论文不仅展示了量子计算在纳米技术制造中的实际应用潜力，还通过对比实验确立了基于门控的 NISQ 设备在解决特定组合优化问题上相对于量子退火机的优势，标志着量子计算从理论模拟走向实际科学实验控制的重要一步。