由大阪大学科学与工业研究所(SANKEN)领导的研究人员已经训练了一个深度神经网络，可以在环境噪声的情况下正确确定量子比特的输出状态。该团队的这一新颖方法可能会使量子计算机得到更广泛的应用。

现代计算机基于二进制逻辑，其中的每个比特都被限制为1或0。但是由于量子力学的奇怪规则，新的实验系统可以通过允许处于1和0的“叠加”状态的量子比特(也称为量子位)来提高计算能力。例如，限制在被称为量子点的小岛中的电子的自旋可以同时向上和向下。但是，当读出比特的最终状态时，它会恢复为向上或向下的经典行为。为了使量子计算足够可靠以供消费者使用，需要创建新系统，它即使信号中存在大量噪声，也能准确记录每个量子比特的输出。

现在，由SANKEN领导的一组科学家使用一种称为深度神经网络的机器学习方法来辨别由电子在量子点上自旋方向产生的信号。合著者Takafumi Fujita解释说：“我们开发了一种基于深度神经网络的分类器，即使有噪声信号也能精确测量量子比特的状态。”

在实验系统中，只有具有特定自旋方向的电子才能离开量子点。当发生这种情况时，会产生电压升高的临时“信号”。该团队训练机器学习算法从噪声中挑选出这些信号。他们使用的深度神经网络有一个卷积神经网络来识别重要的信号特征，并结合一个循环神经网络来监控时间序列数据。

资深作者Akira Oiwa说：“我们的方法简化了适应强干扰的学习过程，这种强干扰可能因情况而异。”该团队首先通过添加模拟噪声和漂移来测试分类器的鲁棒性。然后，他们训练算法处理来自一组量子点的实际数据，并实现了超过95%的准确率。这项研究的结果可能允许在未来的量子计算机中对大规模量子比特阵列进行高保真测量。（编译:Qtech）