量子科技中心_量科网

保护量子相干性以对抗现实环境噪声，仍是制约可扩展量子技术发展的根本性障碍之一。该团队开发了一种噪声自适应动态解耦框架，该框架将开放量子系统分析建模与基于机器学习的预测相结合，用于处理与随机电报噪声相互作用的量子比特。与基于固定脉冲序列的传统动态解耦协议不同，所提出的方法持续预测短时相干性演化，并根据瞬时噪声动态自适应地施加控制脉冲。该研究考察了涵盖马尔可夫与非马尔可夫机制的平稳与非平稳环境。数值模拟表明，在控制脉冲数量相当的情况下，机器学习辅助的自适应控制策略显著优于传统的周期性动态解耦。在非马尔可夫与非平稳环境中，这种改进尤为显著，因为记忆效应、相干性复兴及时间演化的噪声严重限制了静态脉冲协议的有效性。这些结果确立了预测性机器学习辅助动态解耦作为一种有前景且可扩展的自适应量子控制框架，适用于现实噪声量子器件。