量子科技中心_量科网

在不完全掌握系统哈密顿量或噪声模型的情况下对开放量子动力学进行建模，这是量子控制和量子态估计领域的关键挑战。该研究团队提出了一种增强型量子神经常微分方程（AQNODE）框架，能够直接从部分连续测量数据中学习量子轨迹和耗散参数。通过将系统嵌入到由神经常微分方程演化的潜空间，该框架以时间平滑性和物理一致性捕捉了可观测量与隐藏的非马尔可夫动力学。该方法整合弱测量数据来重构量子比特状态和时变退相干率，无需显式物理方程即可实现精确的状态预测和参数推断。此外，该工作还融合了基于AQNODE的反馈控制技术——包括比例微分控制和时变线性二次调节器（LQR）策略——以实时引导量子系统向目标态演化。大量数值模拟表明，该框架能泛化至不同系统配置，实现低预测误差，并执行鲁棒的量子滤波与控制。这些成果确立了AQNODE作为可扩展、可微分且兼容实验的框架，适用于耗散量子系统的实时建模与控制。