Интегральные схемы для квантового машинного обучения на основе сверхпроводниковых искусственных атомов и управление ими

Работа посвящена использованию квантовых интегральных микросхем на основе сверхпроводниковых искуственных атомов для решения задач квантового машинного обучения. Подробно описан процесс проектирования таких микросхем, включающий в себя подбор наиболее важных геометрических параметров устройства, а также компьютерные расчёты электромагнитных характеристик. Описан процесс управления квантовой интегральной микросхемой, большое внимание уделено реализации однокубитных и двухкубитных операций, процедуре считывания состояния кубита. Дано краткое введение в область квантового машинного обучения. Описан алгоритм, позволяющий решать задачи многоклассовой классификации с использованием квантовых интегральных микросхем. С помощью численного моделирования проведён подбор оптимальных квантовых цепочек для реализации указанного алгоритма. Работа алгоритма продемонстрирована на примере стандартных наборов данных. Проведено сравнение полученных экспериментальных результатов с результатами теоретических расчётов.

На английском языке

Integrated circuits for quantum machine learning based on superconducting artificial atoms and methods of their control

Tolstobrov A.E., Kadyrmetov Sh.V., Fedorov G.P., Sandulyanu Sh.V., Lubsanov V.B., Kalacheva D.A., Bolgar A.N., Dmitriev A.Yu., Korostylev E.V., Tikhonov K.S. and Astafiev O.V.

This paper is devoted to the use of quantum integrated circuits based on superconducting artificial atoms to solve quantum machine learning problems. The process of designing such chips is described in detail, including the selection of the most important geometric parameters of the device, as well as numerical simulations of electromagnetic characteristics. The process of controlling a quantum integrated circuit is described. Much attention is paid to the implementation of single- and double-qubit operations. The qubit state readout procedure is also described. A brief introduction into the field of quantum machine learning is given. An algorithm that makes it possible to solve multilabel classification problems using quantum integrated circuits is described. The selection of optimal quantum circuits for the implementation of this algorithm was made using numerical simulations. The operation of the algorithm is demonstrated by the example of standard datasets. Obtained experimental results are compared with the results of theoretical calculations.

DOI: https://doi.org/10.52452/00213462_2023_66_11_1002

Пример ссылки для цитирования:

Толстобров А.Е., Кадырметов Ш.В., Федоров Г.П., Сандуляну Ш.В., Лубсанов В.Б., Калачева Д.А., Болгар А.Н., Дмитриев А.Ю., Коростылев Е.В., Тихонов К.С., Астафьев О.В. Интегральные схемы для квантового машинного обучения на основе сверхпроводниковых искусственных атомов и управление ими // Изв. вузов. Радиофизика. 2023. Т. 66, № 11. C. 1002–1026.