量子科技中心_量科网

研究人员提出了一种结合李群理论与前馈神经网络的框架，能够高效生成超导量子比特系统中任意酉操作的量子最优控制脉冲，避免了推理时需进行显式优化的过程。当需要处理大量不同传播子时，希尔伯特空间维度随量子比特数呈指数增长，这使得标准优化方法在计算上变得不可行——这一瓶颈在特罗特化量子模拟中尤为突出。该团队的方法通过利用李群理论预计算一组有代表性的控制脉冲，并训练神经网络将目标传播子映射到相应的脉冲，从而解决了这一限制。研究人员在2、3、4量子比特的超导量子比特系统上验证了该方法，发现针对特定李代数参数组合可实现高重构保真度。作为一项具有物理动机的基准测试，该工作将方法应用于重构经历集体味振荡的中微子系统特罗特传播子的控制脉冲。跨系统类型的成功泛化表明，单个模型——在硬件特定的随机传播子上一次训练完成——可作为任意兼容希尔伯特空间维度的目标量子系统的通用控制脉冲生成器，为量子模拟提供了一条有前景的路径。