本报讯 近日，集成电路学院刘玉玺教授团队开发了一种被比喻为“三阶梯扩展（three-stair scaling）”的算法。该研究提出了一种基于图神经网络的可扩展的参数设计算法，利用小规模-中等规模-大规模的“三阶放缩”机制，可实现对870量子比特的大规模超导量子芯片的频率设计，取得了远超谷歌公司开发和应用的Snake算法的效率优势。这一创新算法不仅为超导量子计算的实际应用提供了强有力的工具，还为人工智能技术在量子计算硬件层面的应用开辟了全新路径，推动了超导量子计算芯片设计的进一步自动化和智能化。

研究成果以“基于图神经网络的超导量子电路可扩展参数设计”为题，发表在《物理学评论快报》（Physical Review Letters）期刊上。刘玉玺为该论文的通讯作者，集成电路学院2021级博士生艾浩为第一作者。

（集成电路学院）