Pulse Quality Optimisation in Quantum Optimal Control

Este artículo presenta GECKO, un método agnóstico al modelo que aprovecha la geometría riemanniana del grupo unitario especial para optimizar la calidad de los pulsos de control, como su suavidad, robustez y duración, sin comprometer la fidelidad de la evolución unitaria objetivo.

Lo esencial

Imagina que estás intentando enseñar a un bailarín muy delicado y de alta velocidad (una computadora cuántica) a realizar una rutina específica (una puerta lógica). En el mundo de la física cuántica, esta rutina se define mediante una serie de "pulsos" precisos de energía, como haces láser u ondas de radio, que empujan al bailarín hacia los movimientos correctos.

Durante mucho tiempo, los científicos han sido muy hábiles para encontrar un conjunto de pulsos que lleve al bailarín a la postura exactamente correcta al final de la rutina. Esto se denomina "alta fidelidad". Sin embargo, el hecho de que el bailarín logre la postura final no significa que el trayecto haya sido práctico. El camino podría implicar:

• Movimientos bruscos y antinaturales que las luces del escenario (el hardware) tienen dificultades para seguir.
• Girar demasiado rápido, lo que provoca que el bailarín se maree (sensibilidad al ruido).
• Utilizar una frecuencia musical que los altavoces realmente no pueden reproducir (límites de ancho de banda).
• Tomar una ruta panorámica y sinuosa cuando una línea recta habría sido más rápida.

El Problema:
Los métodos tradicionales intentan solucionar todos estos problemas mientras están diseñando la rutina. Pero esto es como intentar diseñar un baile perfecto, un escenario perfecto y un sistema de iluminación perfecto todo al mismo tiempo. Es increíblemente difícil y, a menudo, la rutina "perfecta" que encuentran es imposible de realizar realmente en un laboratorio.

La Solución: GECKO
Los autores de este artículo, Dylan Lewis y Roeland Wiersema, presentan un nuevo método llamado GECKO (Control Cuántico Geométrico con Optimización de Núcleos).

Piensa en GECKO como un proceso de dos pasos:

1. Paso 1: Obtén la postura correcta. Primero, utiliza cualquier método estándar para encontrar cualquier conjunto de pulsos que lleve a la computadora cuántica al estado final correcto con alta precisión. No te preocupes si el camino es brusco o extraño; solo asegúrate de que el bailarín termine en el lugar correcto.
2. Paso 2: Pulir el baile. Ahora, aquí está la magia. GECKO examina esa rutina "suficientemente buena" y pregunta: "¿Podemos cambiar los pasos sin cambiar la postura final?".

Cómo funciona (La analogía):
Imagina que el estado de la computadora cuántica es un punto en una colina suave y curva (una forma matemática llamada variedad). La "postura final" es un lugar específico en esa colina.

• Hay muchos caminos diferentes que puedes recorrer para llegar a ese punto. Algunos caminos son empinados y rocosos; otros son suaves y planos.
• Los métodos estándar intentan encontrar el mejor camino desde el fondo mismo de la colina.
• GECKO dice: "Ya estamos en la cima. Caminemos alrededor del pico".

GECKO utiliza geometría avanzada para encontrar "direcciones planas" en la colina. Si caminas en estas direcciones específicas, te mantienes a la misma altura exacta (la fidelidad permanece perfecta), pero cambias la forma de tu camino. Es como caminar alrededor del borde de un cráter; te mantienes a la misma elevación, pero puedes elegir caminar por un camino suave y pavimentado en lugar de uno irregular y rocoso.

Al caminar a lo largo de estas "direcciones planas", GECKO puede:

• Suavizar el baile: Convertir saltos bruscos y repentinos en curvas suaves que el hardware pueda manejar más fácilmente.
• Filtrar la música: Eliminar notas agudas (frecuencias) que los altavoces no pueden reproducir, sin cambiar la melodía.
• Hacerlo robusto: Ajustar los pasos para que, si el bailarín tropieza ligeramente (debido al ruido o errores), aún aterrice en el lugar correcto.
• Acelerar el proceso: Encontrar un camino más corto hacia el mismo destino, haciendo que la puerta sea más rápida.

Los Resultados:
Los autores probaron esto en un sistema cuántico simulado (un par de "qubits" que actúan como un sistema magnético diminuto). Comenzaron con una solución estándar y luego utilizaron GECKO para mejorarla.

• Eliminaron con éxito el ruido de alta frecuencia de los pulsos.
• Suavizaron las señales de control irregulares.
• Hicieron que el sistema fuera mucho más resistente a los errores.
• Acortaron significativamente el tiempo que tardaba en realizar la puerta.

La Conclusión:
GECKO es una herramienta que separa la tarea de "obtener la respuesta correcta" de la tarea de "hacer que la respuesta sea práctica". Toma una solución matemáticamente perfecta pero experimentalmente desordenada y la refina en una versión suave, robusta y compatible con el hardware, garantizando al mismo tiempo que el resultado final permanezca exactamente igual. Es como tomar un borrador de una novela y pulir la prosa sin cambiar la trama.

Resumen técnico

A continuación se presenta un resumen técnico detallado del artículo "Pulse Quality Optimisation in Quantum Optimal Control" de Dylan Lewis y Roeland Wiersema.

1. Planteamiento del Problema

El control óptimo cuántico (QOC) tiene como objetivo diseñar pulsos de control experimentales (por ejemplo, amplitudes y fases de láser) que implementen una evolución unitaria objetivo con alta fidelidad. Aunque métodos estándar como GRAPE, Krotov y CRAB pueden encontrar soluciones de alta fidelidad, estas soluciones a menudo no cumplen con las restricciones experimentales prácticas o los objetivos secundarios de calidad.

• La Brecha: El QOC estándar a menudo trata todas las restricciones (ancho de banda, suavidad, robustez, duración) simultáneamente durante la búsqueda de un pulso de alta fidelidad. Esto puede conducir a:
  • Trampas artificiales en el paisaje de control.
  • Convergencia lenta.
  • Soluciones que son matemáticamente óptimas para la fidelidad pero difíciles de implementar experimentalmente (por ejemplo, que contienen ruido de alta frecuencia o discontinuidades abruptas).
• La Oportunidad: A menudo existen muchos pulsos de control distintos que logran la misma unitaria objetivo con fidelidades comparables. Los autores proponen una estrategia para encontrar primero cualquier solución de alta fidelidad y luego recorrer el correspondiente conjunto de nivel de fidelidad para optimizar cualidades secundarias del pulso (como la suavidad o la robustez) sin sacrificar el objetivo principal de fidelidad.

2. Metodología: GECKO

Los autores introducen GEometric Quantum Control with Kernel Optimisation (GECKO), un método de posprocesamiento agnóstico al modelo.

Concepto Central

GECKO explota la geometría riemanniana del grupo unitario especial $SU(N)$ (donde $N=2^n$ para $n$ qubits). Identifica direcciones en el espacio de parámetros del pulso que dejan la unitaria implementada sin cambios hasta el primer orden.

Formulación Matemática

1. Representación del Pulso: Un pulso se define mediante parámetros $\Phi$ que consisten en $L$ pasos de tiempo y $K$ generadores de control. La unitaria total es $U_G(\Phi)$.
2. Restricción de Fidelidad: Una solución es válida si $F(\Phi, U_{target}) > 1 - \epsilon$.
3. Identificación del Núcleo:
   • Los autores definen un mapa jacobiano $J(\Phi)$ que mapea vectores tangentes en el espacio de parámetros ($T_\Phi \mathbb{R}^{LK}$) al espacio tangente del grupo unitario ($T_{U_G} SU(N)$).
   • Identifican el nulo (núcleo) de este jacobiano, $\text{ker}(J(\Phi))$.
   • Cualquier actualización $\delta \Phi$ que yace en este núcleo resulta en $U_G(\Phi + \delta \Phi) = U_G(\Phi) + O(\|\delta \Phi\|^2)$. Por lo tanto, moverse a lo largo del núcleo preserva la unitaria (y la fidelidad) hasta el primer orden.
4. Estrategia de Optimización:
   • El núcleo está generado por una base ortonormal $Z(\Phi)$.
   • Las actualizaciones se parametrizan como $\delta \Phi = Z(\Phi)x$, donde $x$ son nuevas coordenadas.
   • El algoritmo minimiza una función de calidad secundaria $Q(\Phi)$ (por ejemplo, suavidad, contenido espectral) sujeta a la restricción de que las actualizaciones permanezcan dentro del núcleo.
   • Bucle del Algoritmo:
     1. Calcular el jacobiano $J(\Phi)$ y su base de núcleo $Z(\Phi)$.
     2. Proyectar el gradiente de la función de calidad $\nabla Q$ sobre el núcleo (o resolver un problema de mínimos cuadrados en coordenadas del núcleo).
     3. Actualizar parámetros $\Phi \leftarrow \Phi + s \cdot \text{actualización\_normalizada}$.
     4. Si la fidelidad cae por debajo del umbral debido a errores de segundo orden, reoptimizar utilizando un método estándar de QOC (como GEOPE) para restaurar la fidelidad, y luego reanudar GECKO.

3. Contribuciones Clave

• Desacoplamiento de Fidelidad y Calidad: GECKO separa la tarea de encontrar un pulso de alta fidelidad de la optimización de sus propiedades experimentales. Esto evita el problema de las "restricciones duras" donde las limitaciones experimentales impiden encontrar cualquier solución.
• Recorrido Geométrico: Proporciona un marco geométrico riguroso (utilizando el espacio nulo del jacobiano) para recorrer los conjuntos de nivel del paisaje de control, asegurando que las optimizaciones secundarias no degraden la implementación unitaria principal.
• Agnosticismo del Modelo: El método no está atado a un Hamiltoniano específico ni a hardware de control; solo requiere la capacidad de calcular el jacobiano y el gradiente de una función de calidad diferenciable.

4. Resultados y Demostraciones Numéricas

Los autores probaron GECKO en un Hamiltoniano de Ising de campo transversal para sistemas de dos qubits, apuntando a puertas CZ y CNOT.

• A. Filtrado en el Dominio de la Frecuencia:
  • Objetivo: Eliminar componentes de alta frecuencia (paso bajo) o realzar frecuencias específicas sin cambiar la puerta.
  • Resultado: GECKO suprimió con éxito el ruido de alta frecuencia y dio forma al espectro (paso bajo, paso alto, rechazo de banda) manteniendo una infidelidad $< 10^{-6}$.
• B. Suavizado de Pulsos:
  • Objetivo: Reducir la "aspereza" (cambios abruptos en los parámetros de control) para minimizar la susceptibilidad al ruido y los requisitos de ancho de banda.
  • Resultado: GECKO produjo pulsos significativamente más suaves que el filtrado gaussiano estándar. Crucialmente, GECKO pudo suprimir globalmente canales de control innecesarios (por ejemplo, eliminando la necesidad de un segundo campo de control por completo) para maximizar la suavidad global, una hazaña que los filtros gaussianos no podían lograr.
• C. Robustez ante Ruido:
  • Objetivo: Optimizar pulsos para que sean robustos frente a desviaciones de parámetros (por ejemplo, errores de amplitud).
  • Resultado: Al optimizar un objetivo de fidelidad de peor caso sobre un rango de perturbaciones, GECKO encontró pulsos que mantenían alta fidelidad incluso con desplazamientos significativos de parámetros ($\delta \approx 0.05$), superando a las soluciones iniciales.
• D. Duración del Pulso (Optimalidad Temporal):
  • Objetivo: Minimizar el tiempo requerido para ejecutar la puerta.
  • Resultado:
    • Longitud de la Trayectoria Geométrica: GECKO minimizó la longitud de la trayectoria en la variedad $SU(N)$, encontrando una duración de $T \approx 2.323/g$.
    • Tiempo Limitado por Deriva: Al minimizar el tiempo sujeto a un acoplamiento de deriva fijo, GECKO encontró una duración mucho más corta ($T \approx 0.854/g$), aunque esto requirió amplitudes de control mayores.

5. Significado e Implicaciones Futuras

• Viabilidad Experimental: GECKO cierra la brecha entre el control de alta fidelidad teórico y las restricciones prácticas del hardware. Permite a los experimentalistas tomar una solución "suficientemente buena" y refinarla para sus limitaciones de hardware específicas (ancho de banda, suavidad, robustez).
• Geometría de la Complejidad: El método ofrece un enfoque numérico para resolver ecuaciones geodésicas en variedades subriemannianas, lo cual es relevante para comprender la complejidad de circuitos cuánticos y el tiempo mínimo requerido para operaciones cuánticas.
• Escalabilidad: Aunque la implementación actual escala como $O(LKN^4)$ (debido a los cálculos del jacobiano y la SVD), haciéndola factible para sistemas pequeños ($\lesssim 5$ qubits), los autores señalan que explotar simetrías o dispersidad podría extender su utilidad a sistemas más grandes.
• Flexibilidad: El marco permite la optimización simultánea de múltiples objetivos (por ejemplo, suavizado + robustez) definiendo una función de calidad de suma ponderada.

En resumen, GECKO representa un cambio de paradigma en el diseño de control cuántico: en lugar de luchar por satisfacer todas las restricciones simultáneamente durante la búsqueda, encuentra primero una solución de alta fidelidad y luego la "pulimenta" utilizando la libertad geométrica inherente al paisaje de control.