本发明涉及量子计算和量子通信领域，尤其涉及一种模式可分辨的热态囚禁离子的测温方法。
背景技术：
1、囚禁离子因具有超长的相干时间和精确可控的内外态，在量子计算与量子通信领域具有广泛的应用前景。为了实现对囚禁离子的相干操作，准确测量囚禁离子的等效温度，尤其是囚禁的单离子的等效温度非常重要。在超低温的单个或多个囚禁离子中，测量等效温度实际上就是测量平均声子数。
2、现有技术中，测量基态附近的单离子等效温度有几种常见的方法，比如，边带比例法、奇异值分解法等。当芯片离子阱中的囚禁离子的运动状态远离基态，比如处于加热速率测量或耗散态制备场景中的热态时，囚禁离子的平均声子数显著增加，声子态的维度非常庞大，基态测温手段不再适用。为了能测量热态下的囚禁离子的等效温度，人们提出了暗态共振、空间测温以及多普勒重冷却的技术手段，但这些测量技术对于热态中平均声子数较少的情况，比如小于2000，测量误差较大。
3、现有技术中采用自旋相关冲法(sdk，spin-dependent kick)，可以精确测量的囚禁离子的平均声子数范围在(0.1，10000)，但该方法涉及近共振的ramsey过程，需要使用锁模激光器以及需要获得精确的rabi频率，使得系统变复杂，扩展性差。
技术实现思路
1、基于此，本发明提供的技术方案通过构造和训练深度神经网络模型，建立特定模式下各阶边带的布居和平均声子数的映射关系，将热态囚禁离子10-1500之间的平均声子数测量误差控制在1％,解决了现有技术针对少量平均声子数的热态囚禁离子测温不准的问题。
2、为了实现上述目的，本发明提供了一种模式可分辨的热态囚禁离子测温方法，该方法包括：s1:计算生成训练数据集，构造并训练深度神经网络模型；s2:测量所述囚禁离子在特定模式下各阶边带的上态布居，输入所述深度神经网络模型，获得所述囚禁离子在所述特定模式下的平均声子数；s3:对各所述特定模式下的平均声子数进行加权求合，获取所述囚禁离子的等效温度。
3、具体地，所述计算生成训练数据集，构造并训练深度神经网络模型的步骤包括：s11:设置所述深度神经网络模型的输入层、隐藏层和输出层，其中，所述隐藏层包括3个，每个隐藏层包括1024个神经元；输入参量包括lamb-dicke参数η和若干阶边带的上态布居p↑(q)；输出参量包括：平均声子数nˉ和相位参量ωt；其中，q为边带的阶；对所述输出参量的平均声子数nˉ和相位参量ωt进行缩放处理，获取目标参量一y1和目标参量二y2：
4、
5、设置损失函数为
6、
7、其中，f(x)为所述目标参量一y1的过程输出量，g(x)为所述目标参量二y2的过程输出量，x为所述深度神经网络模型的所述输入参量；s12:计算生成样本训练集，所述样本训练集包括至少100万条训练数据；s13:使用所述样本训练集对所述深度神经网络模型进行训练。
8、具体地，所述计算生成样本训练集的步骤包括：s1201:设置声子数n的数据范围、平均声子数的数据范围、边带的阶q的数据范围和lamb-dicke系数η的数据范围，生成拉比耦合系数kn+q,n；s1202:根据公式
9、
10、计算各阶边带的上态布居；其中，声子数态|n>的概率ω是耦合强度。
11、具体地，所述生成样本训练集的步骤还包括加入噪声，使用有噪声的样本训练集进行再训练，包括：根据模拟的二项分布过程将所述各阶边带的上态布居转换为激发态测量概率，以所述激发态测量概率作为所述深度网络模型的输入，所述二项分布公式为：
12、
13、其中，pf,n(q)表示所述激发态的测量概率，n表示测量的总次数，f表示测量得到激发态的次数，是组合数。
14、优选地，所述深度神经网络模型的边带数不小于8，所述边带数为所述深度神经网络模型的输入参量中各阶边带的上态布居的数量。
15、具体地，所述测量的步骤包括：s201:加热所述囚禁离子，获取目标下的热态囚禁离子；s202:调节芯片离子阱的直流电极，确定所述囚禁离子的轴向振动频率至预设值，所述轴向振动频率为振动频率在主轴上的分量，选取lamb-dicke系数η确定所述囚禁单离子的振动模式，调谐第一激光，测量所述振动模式下的各阶边带的上态布居p↑(q)；将所述各阶边带的上态布居p↑(q)输入所述深度神经网络模型，获取所述振动模式下的热态囚禁离子的平均声子数。其中，所述调谐第一激光的步骤包括对目标边带附近的小范围进行扫频，取最大峰值作为目标边带的上态布居。
16、本发明还提供了一种模式可分辨的热态囚禁离子的测量系统，该系统包括：所述测温系统包括芯片离子阱、声光调制器和第一激光；所述芯片离子阱包括主轴，所述第一激光的波矢方向与所述主轴的方向平行；所述芯片离子阱上设置若干直流电极和若干射频电极，所述直流电极和所述射频电极用于将所述囚禁离子囚禁在所述芯片离子阱上方；所述直流电极还用于控制所述囚禁离子的轴向振动频率，所述轴向振动频率为振动频率在所述主轴上的分量；所述声光调制器用于对所述第一激光进行开关和频率调谐；所述第一激光用于对所述囚禁离子进行冷却或者激发所述囚禁离子至上态。
17、本发明通过上述技术方案达到的有益效果是：
18、1)通过将深度神经网络应用于热态囚禁离子测温，通过测量有限数量的边带上态布居，排除了耦合强度和振动模式的载波跃迁，避免了在测量过程中囚禁离子各振动模式的相互影响，实现了模式可分辨的热态囚禁离子的平均声子数的精确测量，不仅解决了现有技术在这一领域的空白，而且由于不需要增加额外的实验设备以及不需要进行额外的后处理，本发明的技术方案降低了现有技术的系统复杂度，增强了系统扩展性。
19、2)本发明提供的热态囚禁离子测温系统的操作非常简单，相比于现有技术，不需要通过额外激光系统对耦合强度进行预先测量。另外，本发明提供的测温方法在测量囚禁离子平均声子数的同时，还可以精确给出系统的耦合强度和脉冲时间的乘积值，利于实现系统其他参数的表征，比如，对冷却效果的评估以及表面阱的噪声分析。
1.一种模式可分辨的热态囚禁离子的测温方法，其特征在于，该方法包括：
2.根据权利要求1所述的测温方法，其特征在于，所述计算生成训练数据集，构造并训练深度神经网络模型的步骤包括：
3.根据权利要求2所述的测温方法，其特征在于，所述计算生成样本训练集的步骤包括：
4.根据权利要求3所述的测温方法，其特征在于，
5.根据权利要求2所述的测温方法，其特征在于，所述深度神经网络模型的边带数不小于8，所述边带数为所述深度神经网络模型的输入参量中各阶边带的上态布居的数量。
6.根据权利要求1所述的测温方法，其特征在于，所述测量的步骤包括：
7.一种模式可分辨的热态囚禁离子的测温系统，该系统采用权利要求1所述的测温方法对热态囚禁离子测温，其特征在于，所述测温系统包括芯片离子阱、声光调制器和第一激光；
