高端赛车发动机需要对其所有组件进行调整并精确地协同工作，以提供最高质量的性能。量子计算机中的处理器也可以这样说，在执行计算之前，必须以正确的方式调整其微妙的位。谁是从事这项量子调谐工作的合适技工?根据一个由美国国家标准技术研究院(NIST)的科学家组成的团队的说法，这就是人工智能。

研究小组在《Physical Review Applied》杂志上的论文概述了一种方法，该方法可以教AI如何对微小的量子点进行相互关联的调整，这些微小的量子点是创建量子比特或“量子比特”的许多有前途的设备之一，这些设备将形成在量子计算机的处理器中切换。

精确地调整点对于将其转换为功能正常的量子位至关重要，直到现在，人工操作人员仍需艰苦地完成这项工作，这需要数小时的工作才能为单个计算生成甚至很少的量子位。

一台具有许多相互作用量子位的实用量子计算机将需要更多的点(和调整量)，这超出了人类的能力，因此，研究小组的成就可能使基于量子点的处理从理论领域更接近工程现实。

NIST数学家Justyna Zwolak说：“量子计算机理论家们想象他们可以用成百上千个量子比特来做什么，但是房间里的大象却是我们实际上一次只能使其中几个工作。” “现在，我们有一条通向现实的道路。”

量子点通常包含电子，这些电子被限制在半导体材料中的紧密盒状空间中。形成盒子壁的是半导体表面上方的几个金属电极(所谓的门)，这些金属电极上施加了电压，从而影响量子点的位置和电子数量。栅极根据其相对于点的位置，以不同的方式控制电子。

为了使点按您想要的方式工作(例如，充当一种qubit逻辑开关或另一种形式)，必须将栅极电压调整为恰好合适的值。通过测量流过量子点系统的电流，然后稍微改变栅极电压，然后再次检查电流，可以手动进行此调整。而且您涉及的点(和门)越多，同时调整它们的难度就越大，以便获得可以正常工作的量子位。

简而言之，这不是任何人类机械师都会为输给机器而感到难过的演出。

威斯康星大学麦迪逊分校物理系的研究生汤姆·麦克琼肯说，“这通常是由研究生完成的工作。” “我可以在几个小时内调整一个点，而两个点可能要花一天的时间来调节旋钮。我可以做四件事，但是如果我需要回家睡觉的话就不能。随着这一领域的发展，我们无法花数周的时间来准备好系统—我们需要将人员排除在外。”

但是，图片正是McJunkin在调整点时所看的东西：他处理的数据以视觉图像的形式出现，团队意识到AI很擅长识别。只要有很多需要识别的示例，称为卷积神经网络的AI算法就已经成为自动图像分类的常用技术。因此，在联合量子研究所的杰克·泰勒(Jake Taylor)的监督下，研究小组的Sandesh Kalantre创建了一个模拟器，该模拟器可以生成数千个量子点测量图像，并可以将其作为训练演习提供给AI。

Zwolak说：“我们模拟所需的qubit设置，并在一夜之间运行它，而到了早晨，我们拥有训练AI以自动调整系统所需的所有数据。” “而且我们将其设计为可在任何基于量子点的系统上使用，而不仅仅是我们自己的系统。”

该团队从一个小规模开始，使用两个量子点的设置，他们验证了在一定的约束下，他们训练有素的AI可以将系统自动调整到所需的设置。它不是完美的-他们确定了需要提高该方法可靠性的几个领域-并且他们还不能使用它来调整成千上万个相互连接的量子点。但是即使在此早期阶段，它的实践能力也是不可否认的，这使熟练的研究人员可以将宝贵的时间花在其他地方。

兹沃拉克说：“这是一种使用机器学习来节省劳动力的方法，并且最终可以做一些人类不擅长的事情。” “我们都可以识别三维猫，这基本上就是带有几个经过适当调整的门的单个点。许多点和门就像一只10维猫。人类甚至看不到10D猫。但是我们可以训练一个AI来识别它。”