Приложение для распознавания квантовых состояний

Q-Net Lab — десктопное приложение с нейросетевыми моделями. Загрузите измерения, обучите модель и получите распознанные состояния с отчётом — без собственных скриптов.

О нас

Проект создан при поддержке Федерального государственного бюджетного учреждения "Фонд содействия развитию малых форм предприятий в научно-технической сфере в рамках программы "Студенческий стартап" федерального проекта "Платформа университетского технологического предпринимательства". Фонд содействия инновациям

Продукт

Что мы предлагаем?

Программное обеспечение на Windows и Linux для измерения квантовых состояний с помощью нейросетей с точностью выше 90% на отложенной выборке.

Точность

> 90%

на отложенной выборке

Считается по данным, которые модель не видела при обучении.

  • Windows и Linux

    Приложение ставится на рабочую машину. Данные измерений не покидают лабораторию.

  • Кубиты, кутриты, регистры

    Различение |0⟩, |1⟩ и |2⟩, а также совместное считывание группы кубитов.

  • Нейросеть вместо порога

    Модель обучается на ваших отсчётах и учитывает перекрытие облаков состояний.

Процесс

Как это работает?

Пять шагов от файла с измерениями до отчёта. Всё в одном окне — без скриптов и ручной настройки порогов.

  1. 01

    Загрузите файл измерений

    CSV или NPZ с отсчётами: IQ-трассы, временные ряды, результаты одиночных и совместных измерений.

  2. 02

    Подготовьте данные

    Фильтрация, нормировка, окно усреднения — типовые шаги препроцессинга уже собраны в интерфейсе.

  3. 03

    Обучите или дообучите модель

    Готовая FNN или связка «фильтрация + FNN». Можно подключить свою архитектуру и дообучить её на своей выборке.

  4. 04

    Настройте отчёт фильтрами

    Какие параметры, графики и матрицу показывать — выбираете вы, а не разработчик.

  5. 05

    Получите отчёт

    Вероятности состояний, матрица ошибок, графики и экспорт — в одном файле, готовом к вложению в статью.

Функции

Какие задачи решаются?

Мы каждый день используем Q-Net Lab, поэтому в приложении присутствует всё необходимое для повседневной работы с измерениями.

  1. 01

    Импорт данных

    CSV и NPZ, без ограничения на число записей в пределах ОЗУ.

  2. 02

    Препроцессинг

    Фильтрация, нормировка и окно усреднения настраиваются, а не зашиты жёстко.

  3. 03

    Обучение и дообучение

    Готовые модели, своя архитектура и контроль качества на отложенной выборке.

  4. 04

    Отчёт

    Вероятности состояний, матрица ошибок и графики IQ-плоскости в одном документе.

  5. 05

    Фильтры отчёта

    Выбор параметров, срезов и порогов отображения — без правки кода.

  6. 06

    Сравнение прогонов

    Метрики разных моделей и датасетов рядом, в одной таблице.

  7. 07

    Экспорт

    Результаты распознавания, отчёты и сохранённая сессия работы.

  8. 08

    Журнал операций

    logs.txt для воспроизводимости и разбора спорных случаев.

Аудитория

Кому это подходит?

Тем, кто измеряет квантовые состояния и хочет получать результат, а не писать обвязку вокруг данных.

Научные институты

Лаборатории, где считывание — ежедневная рутина: готовый пайплайн вместо самодельных скриптов и ручных порогов.

Университеты

Исследовательские и учебные группы: интерфейс, который осваивается за один вебинар, — без ML-бэкграунда.

Разработчики квантовых устройств

Команды, которым нужны честные метрики считывания при отладке кубитов и регистров.

R&D и стартапы

Быстрый способ проверить гипотезу на своих данных без собственной ML-инфраструктуры.

Сомневаетесь, что подойдёт? Покажем на вашей выборке — бесплатно.

Заказ демо

Бесплатная демонстрация продукта на вашей выборке: загрузка данных, обучение модели и распознавание состояний с разбором результата.

  • 30–40 минут, онлайн
  • Ваш датасет или демонстрационный набор
  • Разбор метрик и границ применимости

Вопросы

Коротко о том, что чаще всего спрашивают перед демо.

Какие данные можно загрузить?

Файлы .csv — таблица признаков с метками — и .npz — массивы NumPy. Один файл соответствует одной выборке, состояние сопоставляется с меткой автоматически.

Нужна видеокарта?

Нет. Приложение рассчитано на Windows и Linux, 8 ГБ оперативной памяти достаточно. Для тяжёлых выборок обучение на GPU будет быстрее, но это не обязательное требование.

Какая точность распознавания?

Свыше 90% на отложенной выборке эталонных данных. На ваших измерениях цифра будет зависеть от качества сигнала и размера выборки — метрики видны прямо в интерфейсе.

Есть ли версия для macOS?

Сейчас поддерживаются Windows и Linux. Про macOS напишите нам — соберём список запросов и вернёмся с ответом.

Как проходит демо?

30–40 минут онлайн. Показываем прототип на демонстрационном наборе, а если есть свои данные — разбираем их: импорт, обучение, распознавание и отчёт.

Контакты

Ответим в течение рабочего дня и подберём формат демонстрации под ваши данные.

Почтаinfo@qnetlab.ru
Телефон+7 (495) 000-00-00
Адрес125438, г. Москва, Лихоборская наб., д. 4, к2, кв. 39
РуководительАртём Соловьев, генеральный директор
Заказать демо

Или напишите на почту — приложите пример данных, если он есть.

Made on
Tilda