标题： 使用隐马尔可夫模型改进量子比特读出 显示英文标题

标题： Improving Qubit Readout with Hidden Markov Models

摘要： 我们通过隐马尔可夫模型（HMM）展示模式识别算法在量子比特读出中的应用。 该方案提供了一种状态路径轨迹方法，能够检测量子比特状态转换，并且相比于多变量高斯（MVG）或支持向量机（SVM）方案，具有更高的初始状态赋值保真度。 因此，该方法还消除了当前方案中对量子比特依赖的读出时间优化需求。 使用HMM状态判别器，我们估计的保真度达到了理想极限。 无监督学习提供了对转移矩阵、先验概率和IQ分布的访问，为研究强投影读出过程中的量子比特状态动力学提供了一个工具箱。 显示英文摘要

摘要： We demonstrate the application of pattern recognition algorithms via hidden Markov models (HMM) for qubit readout. This scheme provides a state-path trajectory approach capable of detecting qubit state transitions and makes for a robust classification scheme with higher starting state assignment fidelity than when compared to a multivariate Gaussian (MVG) or a support vector machine (SVM) scheme. Therefore, the method also eliminates the qubit-dependent readout time optimization requirement in current schemes. Using a HMM state discriminator we estimate fidelities reaching the ideal limit. Unsupervised learning gives access to transition matrix, priors, and IQ distributions, providing a toolbox for studying qubit state dynamics during strong projective readout.