据美国EurekAlert网站10月18日报道，日本大阪大学研究人员开发了一种基于深度神经网络的分类器，可在环境噪声的干扰下精确测量量子比特状态，有望在未来量子计算机中对大规模量子比特阵列进行高保真测量。

在实验中，只有具有特定自旋方向的电子才能离开量子点，产生电压升高的临时信号。研究人员训练机器学习算法从噪声中挑选出这些信号，使用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。他们首先通过添加模拟噪声和漂移来测试分类器的鲁棒性，然后利用来自量子点阵列的实际数据训练机器学习算法，实现了超过95%的准确率。

信息来源：

https://www.eurekalert.org/news-releases/931819