QMaxCal: Path-Space Regularization for Open Quantum Control via Girsanov's Theorem

Resumen Técnico: QMaxCal: Regularización en el Espacio de Trayectorias para el Control Cuántico Abierto mediante el Teorema de Girsanov

Planteamiento del Problema
El control cuántico fiable en entornos realistas se ve obstaculizado por la decoherencia: el acoplamiento irreversible de un sistema cuántico con su entorno. Si bien los métodos existentes de control óptimo cuántico (por ejemplo, GRAPE, el método de Krotov, Aprendizaje por Refuerzo) optimizan eficazmente los pulsos de control para la fidelidad, a menudo tratan la decoherencia como un coste estático o aplican penalizaciones genéricas sobre la fluencia del control (energía) o la suavidad. Estos enfoques no consideran explícitamente cómo diferentes políticas de control dirigen el sistema a través del espacio de Hilbert, exponiéndolo potencialmente a distintos grados de ruido ambiental. El desafío central es desarrollar políticas de control que dirijan activamente el sistema hacia estados o subespacios donde las consecuencias observables de la decoherencia se minimicen, en lugar de simplemente minimizar la amplitud del control.

Metodología
Los autores proponen QMaxCal, un marco de regularización en el espacio de trayectorias que opera directamente sobre la distribución de las trayectorias cuánticas. El método aprovecha la Ecuación de Schrödinger Estocástica (SSE) para modelar sistemas cuánticos abiertos bajo monitorización continua. En este marco, la interacción del sistema con el entorno genera registros de medición clásicos. Crucialmente, para dos evoluciones que comparten los mismos canales de decoherencia (operadores de Lindblad), estos registros difieren solo en sus términos de deriva (drift), mientras que comparten la misma estructura de ruido subyacente (incrementos de Wiener).

La innovación teórica central es la aplicación del Teorema de Girsanov para derivar un estimador diferenciable de forma cerrada de la divergencia de Kullback-Leibler (KL) entre las distribuciones de trayectoria de una evolución controlada y una medida de referencia. Esto permite que el objetivo de optimización penalice las "consecuencias observables" del control sobre los canales de decoherencia.

El marco instancia este estimador general con dos medidas de referencia motivadas físicamente, lo que produce dos regularizadores distintos:

1. Wiener KL (KLW): Utiliza la medida de Wiener (movimiento browniano puro con deriva cero) como referencia. Este regularizador dirige el sistema hacia el núcleo conjunto de los operadores de Lindblad (donde la deriva $\alpha_k = \langle L_k + L_k^\dagger \rangle = 0$). Es más efectivo cuando el sistema puede ser dirigido a través de un subespacio libre de decoherencia (DFS) donde el ruido desaparece por completo.
2. Drift-Variance (RDV): Utiliza el proceso de deriva constante más cercano como referencia. Este regularizador minimiza la varianza de la deriva a lo largo del tiempo y a través de las realizaciones de ruido. Dirige el sistema hacia cualquier subespacio libre de decoherencia, incluso aquellos con una deriva constante no nula (donde el estado es un autoestado de los operadores de Lindblad pero no necesariamente en su núcleo).

La función de pérdida total combina el objetivo estándar de fidelidad del estado final con estos regularizadores y una penalización de fluencia estándar:
$$\mathcal{L}(\theta) = 1 - \mathbb{E}_{P_\theta}[F(\psi(T))] + \lambda_{KLW} KLW + \lambda_{RDV} RDV + \lambda_{flu} Flu$$

Contribuciones Clave

1. Estimador KL de Forma Cerrada: Los autores derivan un estimador de forma cerrada para la divergencia KL sobre el espacio de trayectorias cuánticas (Eq. 8), válido para cualquier par de evoluciones que compartan los mismos operadores de Lindblad, utilizando el teorema de Girsanov.
2. Nuevos Regularizadores: La introducción de KLW y RDV, que penalizan el acoplamiento al entorno (a través de la deriva del registro de medición) en lugar de la amplitud del control en sí misma. Estos son cualitativamente distintos de las penalizaciones existentes sobre la fluencia o la suavidad.
3. Validación Empírica: El marco se prueba en cinco bancos de pruebas de sistemas abiertos, incluyendo amortiguamiento de amplitud de un solo qubit, STIRAP (Stimulated Raman Adiabatic Passage), un sistema "diamante" de cuatro niveles, una cadena de qubits sintética con ruido dependiente del sitio y una cadena de seis qubits calibrada para el procesador IBM Kingston.

Resultos
Los regularizadores demuestran mejoras significativas sobre las líneas de base no regularizadas basadas en gradiente y las líneas de base de Aprendizaje por Refuerzo restringido (PPO):

• Ganancias de Fidelidad: En todos los bancos de pruebas, los regularizadores reducen la infidelidad hasta en un 50%. En la cadena calibrada de IBM Kingston, el regularizador de varianza de la deriva logró una reducción de la infidelidad de aproximadamente un 16% en comparación con la línea de base.
• Robustez ante el Desajuste de Ruido: Los métodos muestran una robustez superior cuando el modelo de ruido de entrenamiento difiere del entorno de prueba. Para el sistema diamante, una política entrenada a un nivel de ruido específico mantuvo una alta fidelidad bajo un desajuste de ruido $2.5\times$ más fuerte, superando a la línea de base en +27 puntos porcentuales (pp).
• Enrutamiento de Trayectorias: En el banco de pruebas de amortiguamiento de amplitud, la política de Wiener KL logró dirigir la trayectoria a través del estado fundamental (el núcleo del operador de Lindblad), reduciendo la varianza de la población integrada en el tiempo por un factor de 15 en comparación con la línea de base. En el sistema diamante, el regularizador forzó al optimizador a descubrir una ruta indirecta segura a través de un estado auxiliar, evitando un acoplamiento directo con pérdida que atrapaba a la línea de base en un mínimo local.
• Eficiencia Computacional: Al operar sobre vectores de estado (trayectorias) en lugar de matrices de densidad, el enfoque basado en SSE hereda una ventaja cuadrática de memoria, permitiendo la simulación de sistemas de hasta 12 qubits en una sola GPU, mientras que los resolvedores de matriz de densidad se quedan sin memoria a esta escala.

Significancia y Reivindicaciones
El artículo afirma que QMaxCal ofrece una forma fundamentada de incorporar la conciencia de la decoherencia en el control cuántico sin requerir ingeniería de recompensa específica del sistema. Al penalizar las consecuencias observables del control sobre los canales de decoherencia, el método descubre naturalmente políticas que explotan subespacios libres de decoherencia o minimizan la exposición a estados con pérdida.

Los autores señalan que la efectividad de los regularizadores depende de la estructura del ruido: proporcionan las ganancias más significativas cuando existe un subespacio libre de decoherencia alcanzable (por ejemplo, amortiguamiento de amplitud, sistema diamante) o cuando hay una asimetría pronunciada en las tasas de ruido (por ejemplo, la cadena IBM Kingston). En escenarios con poco ruido o sin un DFS explotable, las ganancias son mínimas o inexistentes, lo cual es consistente con la derivación teórica de que los regularizadores se anulan exactamente en las evoluciones libres de decoherencia.

El trabajo se presenta como una contribución al campo del Aprendizaje Automático aplicado al control óptimo cuántico, extendiendo el principio de Máxima Calibración a los sistemas abiertos mediante el teorema de Girsanov. Los autores limitan explícitamente su alcance a los desentrajamientos (unravelings) difusivos (detección homodina/heterodina) y entornos markovianos, señalando que las extensiones a desentrajamientos de salto (jump unravellings) y entornos no markovianos siguen siendo trabajos futuros.