阿里達摩院公布新型量子芯片

在阿里巴巴，fluxonium不再是學術(shù)界演示原理的粗糙玩具，而已然成為可與主流平臺爭鋒的工業(yè)級利器。

成立 5 年，阿里巴巴達摩院量子實驗室首次全面披露量子計算研究進展“成績單”。

3 月 24 日，全球物理學盛會2022APS年會上，阿里巴巴達摩院量子實驗室公布了一系列最新進展，包括材料、相干時長、門操控、量子計算編譯方案等。其中，采用新型量子比特fluxonium的兩比特門操控精度高達99.72%，達到該技術(shù)路線的全球最佳水平。

圖：阿里巴巴達摩院量子實驗室兩比特（fluxonium）操控精度99.72%

美國物理學會年會（APS March Meeting）是全球最大的物理學術(shù)會議之一，也是各方匯報量子計算機最新進展的盛會。與會者除了學術(shù)機構(gòu)團隊外，還有IBM、谷歌、微軟和阿里巴巴等投入量子計算的主要國際企業(yè)團隊。

會上，達摩院量子實驗室與全球科學家分享了8個學術(shù)報告?！爸仡^戲”之一即：基于新型超導量子比特fluxonium，達摩院量子實驗室成功設計并制造出兩比特量子芯片，實現(xiàn)了單比特操控精度99.97%，兩比特iSWAP門操控精度最高達99.72%，取得此類比特全球最佳水平，性能逼近業(yè)界主要量子研發(fā)團隊采用的傳統(tǒng)transmon比特。

同時，該實驗室也在此芯片上實現(xiàn)了另一種比iSWAP編譯能力更強的原生兩比特門SQiSW，操控精度達99.72%，是該量子門在所有量子計算平臺上實現(xiàn)的最高精度。

圖：阿里巴巴達摩院量子實驗室兩比特（fluxonium）量子芯片

據(jù)了解，相比傳統(tǒng)的transmon比特，fluxonium具備更高操控精度的理論優(yōu)勢，但這一理論優(yōu)勢的實現(xiàn)需要克服眾多技術(shù)難關(guān)。此次會議上，以fluxonium為主題的報告有數(shù)十個，報告團隊除了達摩院量子實驗室，還有來自馬里蘭大學、普林斯頓大學、芝加哥大學、加州大學伯克利分校、麻省理工學院/Lincoln Lab等的超導量子計算研究組。

達摩院量子實驗室的最新成果，初步顯現(xiàn)了fluxonium的優(yōu)勢，而這依賴于理論、設計、仿真、材料、制備和控制多個課題上的突破和創(chuàng)新。

達摩院量子實驗室發(fā)明了一種利用鈦氮化鋁（TAN）材料的外延體系制造量子器件的新方法，其在極低的微波損耗下依然能實現(xiàn)動態(tài)電感的急劇增加。該材料有望成為量子實驗室下一代fluxonium芯片的核心部件。

在另一個芯片制備的課題上，達摩院量子實驗室制備的基于氮化鈦的超導量子比特，在相干時長這一最關(guān)鍵的性能指標上，可重復地達到300微秒，具備世界一流水平。

量子芯片設計自動化的一個核心問題是提升仿真計算速度。在此課題上，達摩院量子實驗室研發(fā)的基于表面積分方程方法的超導量子芯片電磁仿真工具，在電路參數(shù)和界面損耗的計算上，相比于通常采用的有限元方法取得了兩個數(shù)量級的加速，極大地推進了量子芯片的設計優(yōu)化。

在另一個大幅提升大規(guī)模量子芯片設計能力的工作中，達摩院量子實驗室通過將芯片優(yōu)化與量子操控都集成到梯度優(yōu)化的框架中，在更大參數(shù)空間中高效聯(lián)合優(yōu)化比特設計方案與比特操控方案。

此外，達摩院量子實驗室還在fluxonium上驗證了自研的超導量子芯片整體計算性能的優(yōu)化方案，包括針對超導架構(gòu)的單比特門通用優(yōu)化編譯方案，針對超導芯片上的另一種原生操控SQiSW門的即時最優(yōu)編譯方案等。該優(yōu)化方案可以大幅提升量子芯片的整體性能指標。

“打造可擴展的高精度量子比特平臺，是當前我們實現(xiàn)量子計算機的核心策略。這8個報告表明，fluxonium不再是學術(shù)界演示原理的粗糙玩具，而已然成為可與主流平臺爭鋒的工業(yè)級利器。” 阿里巴巴達摩院量子實驗室負責人施堯耘說：“這些經(jīng)年積累的成果，也體現(xiàn)了我們先高精度、后多比特的路徑選擇，差異化發(fā)展的冒險精神，以及穩(wěn)扎穩(wěn)打、系統(tǒng)性推進的研究風格。”

據(jù)介紹，聚焦量子計算機的實現(xiàn)，達摩院量子實驗室已建成Lab-1、Lab-2兩座硬件實驗室。后者坐落于杭州市余杭區(qū)未來科技城夢想小鎮(zhèn)，為量子實驗室提供了探索多比特上高精度的實驗設施。

此前，達摩院量子實驗室還開源了自研量子計算模擬器“太章2.0”及系列應用案例，相關(guān)成果已發(fā)表于Nature子刊Nature Computational Science。

聚變計劃·土士學堂 | 最佳實踐案例+認知學習方法

綠研院年會 | 企業(yè)家、科學家、專家學者學習交互

綠研院學習基地 | 企業(yè)家學習相聚、身心怡養(yǎng)之地