量子科技中心_量科网

高维量子系统（qudits）在信息编码、抗错能力和紧凑门电路实现方面具有优势，并自然存在于超导和固态系统中。然而，诸如非马尔可夫噪声、非理想脉冲及超越旋波近似（RWA）动力学等实际条件，对qudit的控制与表征提出了重大挑战。该研究团队提出了一种基于机器学习的灰箱框架，用于任意维度qudit的控制与噪声表征，扩展了近期为单量子比特系统开发的方法。此外，研究人员引入了一种局部解析展开方法，实现了噪声动力学可解释建模，为系统行为模拟和不同噪声模型比较提供了结构化高效途径。这种可解释性特征使该团队得以理解成功控制策略的内在机制，并为开发区分具有相似效应的噪声源的方法开辟了道路。实验证明该方法在全局幺正操作和两能级子空间门实现中均达到高保真度。该工作为适用于NISQ设备和有限维量子系统的可扩展、可解释量子控制技术奠定了基础，将提升下一代量子技术的性能。