赵汇海

赵汇海

研究员

中关村实验室

简介

主要从事量子设计自动化、超导量子处理器设计和器件理论等方面的研究。在设计流程自动化方面,致力于构建面向超导量子处理器的完整工具链,与合作者提出了从量子芯片构建量子比特的算法,补齐了从芯片到操控的设计流程自动化的关键环节。在处理器设计优化方面,与合作者研发了超导量子比特操控的微分编程仿真器,从而实现了从超导量子比特到量子门操作设计的端到端梯度优化,仿真优化的速度和规模均显著优于现有软件。在超导量子处理器设计方面,与合作者设计和研制了多款超导量子芯片及其操控方案,在比特相干时间,门操作精度,比特初始化精度和速度等方面均达到国际一流水平。在器件理论方面,为了利用测量数据对量子比特的退相干进行准确的理论建模,与合作者研发了对量子比特噪声进行系统性分析的工具。在此基础上,设计和研制了多款专门用于噪声分析的超导量子芯片,系统性的分析各种元件上的噪声类型和强度,以及对量子比特相干性的影响,从而实现了对量子处理器性能的可靠评估。以上研发工作不仅发表在Physical Review Letters、Nature 子刊等一流学术期刊上,还产生数十项发明专利。

研究方向
  • 量子设计自动化

  • 超导量子计算

  • 计算量子多体物理

经历
  • 研究员 · 中关村实验室

    研发量子设计自动化方法、流程和工具。

  • 量子科学家,超导量子处理器设计团队负责人 · 阿里巴巴达摩院量子实验室

    负责可扩展高精度超导量子处理器设计,包括量子芯片,控制方案和封装。负责量子设计自动化方法,流程和工具研发。

  • 研究员 · 日本理化学研究所

    研究计算量子多体方法在脑科学和机器学习中的应用。

  • 博士后 · 东京大学应用物理系、物性研究所

    研究计算量子多体方法,并将其应用于统计物理模型,量子阻挫磁性系统,以及高温超导电性的研究。

教育经历
  • 本科 · 北京大学元培学院(原元培实验班)

  • 博士研究生 · 中国科学院物理研究所

最新发表

(2025). High-coherence fluxonium qubits manufactured with a wafer-scale-uniformity process. Physical Review Applied.

引用 DOI URL

(2025). The effects of disorder in superconducting materials on qubit coherence. Nature Communications.

引用 DOI

(2024). Efficient Initialization of Fluxonium Qubits based on Auxiliary Energy Levels. Physical Review Letters.

引用 DOI URL

(2024). Native Approach to Controlled-Z Gates in Inductively Coupled Fluxonium Qubits. Physical Review Letters.

引用 DOI URL

(2023). Quantum Instruction Set Design for Performance. PRL.

引用 DOI URL

(2023). Characterization of loss mechanisms in a fluxonium qubit.

引用 arXiv URL

(2022). Fluxonium: An Alternative Qubit Platform for High-Fidelity Operations. Phys. Rev. Lett..

引用 DOI URL

(2022). Data augmentation for Convolutional LSTM based brain computer interface system. Applied Soft Computing.

引用 DOI URL

(2022). Titanium Nitride Film on Sapphire Substrate with Low Dielectric Loss for Superconducting Qubits.

引用 arXiv URL

(2021). Efficient parallelization of tensor network contraction for simulating quantum computation. Nature Computational Science.

引用

(2020). Automatic differentiation for second renormalization of tensor networks. Physical Review B.

引用 DOI URL

(2020). Compressing deep neural networks by matrix product operators. Physical Review Research.

引用 DOI URL

(2020). Classical simulation of quantum supremacy circuits.

PDF 数据集 海报 视频 源文档 ArXiv e-Print

(2020). Alibaba cloud quantum development platform: Surface code simulations with crosstalk.

PDF 数据集 海报 视频 源文档 ArXiv e-Print

(2018). Generalized Lanczos method for systematic optimization of tensor network states. Chinese Physics B.

引用 DOI URL

(2018). Tensor renormalization group with randomized singular value decomposition. Physical Review E.

引用 DOI URL

(2018). Reorthonormalization of Chebyshev matrix product states for dynamical correlation functions. Physical Review B.

引用 DOI URL

(2014). Partial long-range order in antiferromagnetic Potts models. Physical Review B.

引用 DOI URL

(2013). Partial Order in Potts Models on the Generalized Decorated Square Lattice. Chinese Physics Letters.

引用 DOI URL

(2011). Translation invariant tensor product states in a finite lattice system. Chinese Physics B.

引用 DOI URL

(2011). Partial Order and Finite-Temperature Phase Transitions in Potts Models on Irregular Lattices. Physical Review Letters.

引用 DOI URL

(2010). Investigation of the Potts Model on Triangular Lattices by the Second Renormalization of Tensor Network States. Chinese Physics Letters.

引用 DOI URL

(2010). Renormalization of tensor-network states. Physical Review B.

引用 DOI URL