Agent-assisted experimental strategy transfer across quantum processors
本文证明了一种智能体辅助的实验策略，该策略将自动化决策与人工物理干预相结合，能够成功地在多个不同的三比特核磁共振处理器之间进行迁移与优化，以实现高保真度的 Grover 态制备，从而为跨多种硬件实现量子实验自动化提供了一种可扩展的解决方案。
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
量子计算的世界正从单一、孤立的实验领域，迈向一个许多不同机器必须协同工作的未来。想象这样一个实验室：科学家们不再仅仅是在测试一个独特的设备，而是在尝试让一整族不同的处理器共同执行同一个复杂的任务。这就是分布式量子计算以及最终将连接量子机器的网络所面临的现实。然而，一个主要的障碍挡住了去路：每一台量子设备都略有不同，甚至同一台机器的行为也会随时间而改变。在一个处理器上运行完美的程序，在另一个处理器上，甚至在同一台机器的一天后，往往会失败，因为物理条件已经发生了偏移。为了取得进展，研究人员需要一种方法，能够自动实现实验对这些变化条件的适应，从而超越那些一旦硬件发生变化就会失效的僵化、预设程序的限制。
在最近的一项研究中，一组研究人员展示了一种利用人工智能代理来引导跨五台不同量子处理器进行实验的新方法，以应对这一挑战。研究人员专注于一项被称为格罗弗态制备（Grover state preparation）的特定任务，这是一种在可能性列表中寻找特定项目的方法。他们首先在一个三比特核磁共振处理器上开发了一套策略，这是一种利用液体溶液中原子磁特性的量子计算机。这个初始策略并非一组固定的指令，而是一个灵活的计划，其中人工智能代理充当监督者的角色。该代理的任务是观察来自机器的数据，判断结果是否可靠，然后决定下一步行动。如果数据看起来不稳定，代理会要求进行更多测量或调整程序；如果数据看起来良好，它则会继续推进。人类操作员仍参与其中，负责处理物理设置和安全问题，但由人工智能负责做出如何运行实验的决策。
一旦策略在第一台机器上得到完善，研究人员便测试了该策略是否可以转移到另外四台虽然相似但不完全相同的处理器上。这些机器具有不同的内部设置，并且对信号的响应方式也略有不同。当团队从一个处理器转向下一个处理器时，人工智能代理并没有简单地重复相同的步骤。相反，它评估了每台新机器的局部状况。在其中一台处理器上，代理注意到初始测量不可靠，并请求获取新鲜数据。在另一台处理器上，它发现信号出现了混淆的重叠，于是改变了分析信号的方法。在每种情况下，代理都利用收集到的证据，使实验程序适应该特定机器的实际情况。这一过程使得团队能够在无需每次都从头开始的情况下，成功地在所有四台新处理器上运行相同的量子任务。
结果显示，这种方法效果显著。在每一台处理器上，实验产生的结果都如理论预测的那样，使目标态成为最占主导地位的结果。研究人员测量了机器产生正确答案的频率，发现不同设备之间的成功率在91%到96%之间波动。这非常接近约94.5%的理想理论值。不同机器之间的差异很小，结果与完美目标的偏差不到4%。为了确保这些结果并非偶然的一次性现象，团队在几天内多次重复了实验。他们发现系统保持了稳定性，人工智能能够成功引导机器完成重复运行，甚至能从技术中断中恢复。
这项工作表明，由智能代理引导的实验策略可以在一族量子处理器中被重复使用和优化。它证明了将在一台机器上开发的计划应用到其他机器上是可能的，即使这些机器具有不同的物理特性。通过让代理评估证据并实时调整程序，研究人员能够克服设备之间的自然差异。这为扩展量子实验规模提供了一条路径，即人类专家可以依靠自适应系统来管理在多台机器上运行任务的复杂性，而不是手动逐一调节每一台机器。该研究并未声称已经解决了量子计算中的所有问题，但它为实验实践如何超越单个设备的限制提供了具体的基石。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。