量子科技中心_量科网

该团队针对三量子比特液态核磁共振（NMR）处理器，开发了一个保真度感知的神经脉冲编译框架，用于实现连续单量子比特门族。该方法摒弃了将目标酉矩阵分解为校准基门序列的传统方式，而是通过学习从任意U2∈SU(2)操作的轴-角参数到分段恒定射频控制序列的直接映射。训练过程通过驱动哈密顿量的时序传播算子端到端进行，采用对全局相位不敏感的酉保真度作为学习信号。数值模拟表明，单一模型可泛化至连续门参数范围，并在实验台三量子比特NMR设备上验证了代表性编译脉冲。此外，该团队通过引入预设不确定性集并执行基于右尾条件风险价值（RU-CVaR）的比较性风险感知重构，分析了哈密顿量和控制参数对结构化扰动的敏感性。该阶段生成的脉冲解在选定不确定性模型中具有更宽的容差裕度。实验结果展示了实验可及环境下的连续脉冲级门合成，并阐释了可扩展至其他量子平台的硬件感知编译策略。虽然本文考虑的不确定性模型专为NMR定制，但神经编译与风险感知优化框架具有普适性，适用于校准开销、参数漂移或控制约束导致逐门优化成本过高的体系架构。