（文章來源：科技報告與資訊）

高端賽車發動機需要對其所有組件進行調整并精確地協同工作，才能提供最高質量的性能。量子計算機中的處理器也可以這樣形容，在執行計算之前，必須以正確的方式調整其微妙的位。誰是從事這項量子調諧工作的合適技工？根據一個由美國國家標準與技術研究院（NIST）的科學家組成的團隊的說法，應該就是人工智能。

研究小組在《Physical Review Applied》雜志發表的論文中提出了一種方法，該方法可以教AI如何對微小的量子點進行相互關聯的調整，而這些微小的量子點是創建量子比特的設備之一，它將在量子計算機的處理器中形成開關。精確地調整點對于將其轉換為功能正常的量子比特至關重要，直到現在，人工操作人員仍需艱苦地完成這項工作，這需要數小時的工作才能為單個計算創建少量的量子比特。

一臺具有許多相互作用的量子位的實用量子計算機將需要更多的點以及進行調整，這超出了人類的能力，因此團隊的成就可能使基于量子點的處理從理論領域更接近工程現實。NIST數學家Justyna Zwolak說：“量子計算機理論家想象他們可以用成百上千個量子位來做什么，但是房間里的大象卻使我們實際上一次只能使其中幾個工作。現在，我們有一條通向現實的道路。”

量子點通常包含電子，這些電子被限制在半導體材料中的緊密盒狀空間中。形成盒子壁的是半導體表面上方的幾個金屬電極（所謂的門），這些金屬電極上施加了電壓，從而影響量子點的位置和電子數量。門根據它們相對于點的位置，以不同的方式控制電子。

為了使這些點按想要的方式工作（例如，充當一種qubit邏輯開關或另一類qubit邏輯開關），必須將柵極電壓調整為恰好合適的值。通過測量流過量子點系統的電流，然后稍微改變柵極電壓，然后再次檢查電流，可以手動進行此調整。而且，涉及的點（和門）越多，同時調整它們的難度就越大，以便獲得可以正常工作的量子位。簡而言之，這不是任何人類機械師能做的工作。

威斯康星大學麥迪遜分校物理系的研究生湯姆·麥克容肯（Tom McJunkin）說，“調整工作通常是由研究生完成的工作。我可以在幾個小時內調諧一個點，而調諧兩個可能要花一天的時間才能旋轉。如果要做四個，花費的時間就更多。隨著這一領域的發展，我們不能花幾個星期來獲取系統，我們需要將人員因素排除在外。”

不過，圖片正是McJunkin在調整點時所看的東西：他處理的數據以視覺圖像的形式出現，團隊意識到AI很擅長識別。只要有很多需要識別的示例，稱為卷積神經網絡的 AI算法就已經成為自動圖像分類的常用技術。因此，在聯合量子研究所的杰克·泰勒（Jake Taylor）的監督下，研究小組的Sandesh Kalantre創建了一個模擬器，該模擬器可以生成數千個量子點測量圖像，并可以將其作為訓練演習提供給AI。

Zwolak說： “我們模擬所需的qubit設置，運行一夜，早晨便擁有了訓練AI以自動調整系統所需的所有數據。而且我們將其設計為可在任何基于量子點的系統上使用，而不僅僅是我們自己的系統。”

團隊從兩個量子點的設置開始，他們驗證了在一定的約束下， AI可以將系統自動調整到所需的設置。不過目前還不能使用它來調整成千上萬個相互連接的量子點。但是，即使在此早期階段，它的實踐能力仍不可否認，這使熟練的研究人員可以將寶貴的時間花在其他地方。

Zwolak說：“這是一種使用機器學習節省勞動力的方法，做一些人類不擅長的事情。我們所有人都可以識別一只三維的貓，因為這只有一個點和幾個門。而很多點和門都像一個10維的貓一樣。人類甚至看不到10維貓但是我們可以訓練一個AI來識別它。”
（責任編輯：fqj）