研究人员开发了两种深度神经网络（DNN）方法来解决用于玻色子量子计算的超导射频（SRF）腔和Transmon量子比特的逆向设计问题。这些DNN能够快速生成满足特定电磁和耦合目标的候选器件几何形状，与传统的迭代模拟方法相比，大大降低了计算成本。第一个DNN提出了SRF腔设计，第二个DNN设计了Transmon量子比特以实现所需的耦合率、量子比特频率和非简谐性，恢复的设计在几个百分点内与目标匹配。 AI
影响 通过利用深度学习加速量子计算硬件的设计过程。
排序理由 该集群包含一篇详细介绍新研究方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- Bosonic Quantum Computation
- DagsHub
- deep neural network
- Hugging Face
- Schweizer Radio und Fernsehen
- Transmon
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
