量子科技中心_量科网

量子最优控制(QOC)为在量子系统中实现高保真度操作提供了系统化框架，在门合成、状态转移和脉冲设计等任务中发挥着核心作用。现有QOC方法主要分为两类：基于梯度的算法和无梯度算法。相关优化空间通常具有高维度、非凸性且存在大量局部极小值的特点，这使得高效的无梯度搜索策略至关重要。为此，该团队提出了一种基于矩阵乘积状态/张量链(MPS/TT)采样的无梯度启发式方法用于离散量子最优控制。在该方法中，MPS在离散控制参数空间上定义评分函数，进而生成候选控制序列的采样分布。通过选择性能更优的序列和局部张量更新，该分布被迭代优化以偏向高性能序列搜索。研究团队在一系列基准问题上评估了该方法，包括单量子比特状态转移、贝尔态制备、量子三态门实现以及开放系统布居转移。在所有任务中，该方法展现出稳定的收敛行为，并与现有无梯度基线相比具有竞争力。这些结果表明张量网络采样为离散量子控制提供了可行的启发式框架。