量子糾錯研究員(Quantum Error Correction Researcher)
SpinQ Technology (Hongkong) Co., Limited·科技/通訊
職位概述
我們正在招聘量子糾錯研究員,加入香港團隊,面向超導量子比特平台的真實噪聲與工程約束,設計、驗證並落地量子糾錯碼、邏輯操作流程及高效解碼/模擬工具,支援實驗迭代與可擴展架構研發。
主要職責
針對超導量子處理器的真實噪聲模型,進行理論分析與仿真,研究適配硬件的量子糾錯編碼方案(如表面碼、LDPC碼等)
設計與優化邏輯量子比特的邏輯操作協議,包括邏輯門、態制備、量測與讀出流程。
與軟件工程團隊協作,開發高效量子糾錯模擬器與解碼器,支援大規模系統的快速性能評估。
與實驗物理團隊緊密合作,參與糾錯實驗方案設計;分析實驗數據並基於結果迭代優化模型與協議。
設計並執行量子糾錯實驗,在超導量子處理器上實現及測試不同類型的邏輯比特與邏輯操作。
開發高精度校準方案與軟件工具,定量表徵退相干、交叉耦合、測量誤差等噪聲源對糾錯性能的影響。
參與下一代可擴展量子計算架構的設計與驗證,推動量子糾錯技術工程化落地。
任職要求(必須)
博士學位或同等研究能力:物理、計算機科學、量子信息/量子計算或相關方向。
具備量子糾錯或量子計算相關研究經驗(一般要求3–5年或以上;以成果為準)
熟悉至少一類主流量子糾錯碼與基礎解碼概念(表面碼/色碼/LDPC等)。
具備良好編程能力:Python為主;具備C++能力者優先。
能夠與跨職能團隊(軟件/實驗/系統)高效協作,具備清晰的技術表達與文檔能力。
加分條件(優先)
熟悉MWPM、Union-Find、神經網絡/Transformer解碼器、或實時解碼工程實現。
具備噪聲建模與數值模擬經驗:Markovian/非Markovian、主方程或量子軌跡方法。
熟練使用至少一種量子計算/糾錯工具鏈:Qiskit、Cirq、Stim、TKET等。
有高質量論文或會議發表(如PRL、Nature系列、QIP、APSMarchMeeting等),或具備可驗證的開源/工程成果。
具備硬件約束下的protocol設計、實驗迭代與數據分析經驗。
申請方式
請提交:
職務概覽
我們正在招聘一位量子錯誤校正(QEC)研究員加入我們的香港團隊。您將在理論、軟體和實驗的交界處為超導量子處理器開發硬體意識的QEC代碼、邏輯運作協議和高性能的仿真/解碼工具,以加速實驗迭代和可擴展系統設計。
主要職責
利用理論分析和模擬開發硬體意識的QEC方案,基於超導量子位平台的實際噪聲模型(例如表面碼、LDPC碼)。
設計和優化邏輯量子位運作協議,包括邏輯門、狀態準備和測量/讀取程序。
與軟體工程師合作,建立高效的QEC模擬器和解碼器,以進行快速的大規模性能評估。
與實驗物理學家密切合作:共同設計QEC實驗,分析實驗數據,並根據結果迭代模型/協議。
設計並執行QEC實驗在超導處理器實現和驗證邏輯量子位和邏輯運算。
開發高精度的校準方法和軟體工具,以量化噪音源(失相、串擾、讀取錯誤等)對QEC性能的影響。
參與設計和驗證下一代可擴展的量子計算架構,推動QEC邁向工程部署。
所需資格條件
物理學、電腦科學、量子資訊/計算或相關領域的博士(或同等研究能力)
在QEC或量子計算領域有堅實的研發經驗(通常為3至5年,由產出和影響力評估)。
熟悉至少一個主要的QEC編碼家族和基本解碼概念(表面/顏色/LDPC等)。
強大的Python和C++編程技能。
強大的跨軟體/實驗系統團隊的協作和溝通能力,具備良好的技術寫作習慣。
優先/可有可無
熟悉MWPM、Union-Find、神經/Transformer基於解碼器和/或實時解碼實現。
噪声建模和數值仿真經驗(馬爾可夫ian/非馬爾可夫ian)、主方程或量子軌跡方法。
至少精通一個量子軟體堆疊:Qiskit、Cirq、Stim、TKET等。
在主要場地(例如PRL、Nature family、QIP、APSMarchMeeting)的出版物,或強大的開放源碼/工程交付物,具有可衡量的結果。
在硬件限制下進行原型設計的實戰經驗以及實驗迭代/數據分析。
如何申請
請提交:
查看更多
敏捷開發方法
軟件工程
IBM WebSphere
廣東話
英文
普通話
公司簡介
公司簡介
SpinQ技術(香港)有限公司致力於實用型量子計算與量子通訊核心技術,涵蓋超導、核磁與量子光電平台。公司正建設下一代量子光電與混合量子整合系統,為未來量子通訊與量子計算網路提供核心組件與模組。
關於公司
SpinQ科技(香港)有限公司專注於實用的量子計算和通訊技術。我們的研發涵蓋超導、NMR和光電子平台,旨在開發下一代量子光電子和混合集成系統,作為可擴展量子網絡和處理器的建築塊。
國聯鈕扣Strong foundation in machine learning with hands-on experience
Expertise in working with large, complex supply chain datasets
Proficiency in Scikit-learn, TensorFlow, or PyTorch
請謹慎注意
申請工作時,請勿提供您的銀行或信用卡資料。