基于特征与过程的量子动力学最优控制
制备目标量子态和量子操作(过程)对于量子计算中的众多任务至关重要。目前已有多种量子态最优控制方法,但针对特定量子过程制备的优化策略研究仍相对不足。在某些应用中,与其追求特定目标态或过程,不如获取具有特定理想特征(如高相干性或纯度)的态或过程。此时仅依赖基于保真度的度量标准无法充分评估量子控制策略的性能,因此需要采用基于特征的评价指标。该研究团队针对马尔可夫演化下的开放量子过程,开发了一种基于特征的最优相干控制形式体系,其展现出高相干性和纯度的特性。尤其值得注意的是,通过选择有理论依据的初始猜测场,可提升基于特征的Krotov优化算法性能。此外,在三能级里德堡系统模型中,基于凸重叠的保真度表现优于其他基于过程及基于态的保真度标准。这一分析凸显了基于特征的最优控制策略在量子过程中的应用价值。
