量子科技中心_量科网

量子硬件存在固有的器件异质性和环境漂移问题，迫使使用者不得不在次优的非自适应控制器与昂贵的逐设备重新校准之间做出选择。该研究团队推导出元学习的标度律下界，表明适应增益（通过任务特定梯度步骤获得的预期保真度提升）会随梯度步骤呈指数级饱和，并与任务方差呈线性关系，这为判断何时适应过程能抵消其开销提供了量化标准。在量子门校准验证中，低方差任务带来的收益微乎其微，但在极端分布外条件下（训练噪声的10倍），双量子比特门的保真度增益超过40%，这对减少云端量子处理器的逐设备校准时间具有重要意义。经典线性二次控制的进一步验证证实，这些规律源于通用优化几何结构而非量子特有物理机制。这些成果共同为自适应控制决策提供了可迁移的理论框架。