基于硬件代表性噪声模型的量子门GRAPE脉冲优化验证实现

在噪声中等规模量子(NISQ)计算机中,门保真度仍是限制实用量子计算的主要瓶颈,其制约因素来自退相干效应和控制噪声。量子最优控制(QOC)技术(如梯度上升脉冲工程(GRAPE)算法)提供了一种有效方法来设计抗噪脉冲,主动抑制这些效应。然而,多数量子最优控制方案在理想化仿真环境中运行,未能捕捉物理量子硬件固有的实时参数漂移,形成关键的“仿真与现实”差距。该研究团队提出QubitPulseOpt——一个经过严格测试的开源Python框架,通过硬件表征最优控制来弥合这一差距。该框架展示与IQM公司Garnet量子处理器(20量子位超导设备)的API互联功能,并实现利用硬件表征参数构建高保真“数字孪生”的工作流程。基于该仿真框架,研究人员证实GRAPE优化脉冲相较标准高斯脉冲可实现77倍的模拟门误差降低。通过包含659项测试的验证套件(59%代码覆盖率)及遵循NASA JPL Power-10安全关键编码标准,该框架确立了可信量子控制软件的新范式。所有结果均来自具备完整溯源记录的已验证GRAPE优化。

作者所在地: VIP可见
作者单位: VIP可见
页数/图表: 登录可见
提交arXiv: 2025-11-16 22:07

量科快讯