Resumen Técnico: Evaluación de la Controlabilidad Limitada por Recursos de Sistemas Cuánticos Abiertos

Planteamiento del Problema

La realización práctica de tecnologías cuánticas requiere la implementación de operaciones de alta fidelidad bajo recursos de hardware finitos y dinámicas de sistemas abiertos. Si bien la controlabilidad de sistemas cerrados idealizados está bien definida por un criterio algebraico de Lie binario (si los Hamiltonianos de deriva y control abarcan $\mathfrak{su}(d)$), esta condición teórica no logra predecir el rendimiento alcanzable en dispositivos reales. Los sistemas del mundo real operan en regímenes abiertos donde la decoherencia, la deriva, los límites de ancho de banda y los pulsos no ideales inducen dinámicas no unitarias. Además, el ruido suele estar parcialmente caracterizado, depender del control y ser potencialmente no markoviano.

La literatura existente sobre la controlabilidad de sistemas abiertos suele basarse en modelos específicos (por ejemplo, dinámica de Lindblad markoviana) o análisis de alcanzabilidad abstractos que no abordan directamente la pregunta de ingeniería: Dado una familia de pulsos de control físicamente realizables por el hardware y restricciones de recursos explícitas (por ejemplo, amplitud y ancho de banda), ¿qué operaciones objetivo son alcanzables con alta fidelidad y cómo escala esta capacidad con los recursos disponibles? Los modelos físicos de tipo "caja blanca" pura suelen carecer de precisión en regímenes de alta fidelidad debido a la disipación no modelada, mientras que los modelos de datos de tipo "caja negra" carecen de estructura diagnóstica y requieren un exceso de datos.

Metodología

Los autores proponen un marco de trabajo limitado por recursos que trata la controlabilidad práctica como un problema de ingeniería de dispositivos. El enfoque cuantifica la distribución de las mejores fidelidades alcanzables sobre un conjunto de puertas objetivo en lugar de buscar una condición de alcanzabilidad binaria. La metodología consta de cuatro etapas principales:

1. Modelado de Caja Gris (Graybox):
   El núcleo del marco es un modelo sustituto (surrogate model) de "caja gris" entrenado. Este modelo retiene la dinámica coherente conocida generada por los Hamiltonianos de deriva y control ($H_0(t)$), pero aprende una descripción compacta y dependiente del control de las distorsiones del sistema abierto ($V_O(T)$) a partir de datos de sondeo.

   • La dinámica del sistema se expresa en el cuadro de interacción relativo a $H_0(t)$.
   • El modelo se entrena con pares de parámetros de control $\vec{\theta}$ y vectores de expectativa medidos $\vec{E}$ sobre una base tomográficamente completa.
   • Una vez entrenado, el modelo actúa como un motor de búsqueda rápido, prediciendo el propagador efectivo para cualquier forma de onda candidata dentro del espacio de control entrenado sin requerir una simulación física completa.

2. Reconstrucción del Canal:
   Para una forma de onda de control candidata dada, el modelo de caja gris predice el propagador coherente y el conjunto de operadores de corrección efectivos en el espacio observable. Estas predicciones se utilizan para reconstruir la matriz de proceso (matriz de Choi) del canal cuántico implementado en una base de tomografía fija.

3. Calificación de Fidelidad y Optimización:

   • Se extrae un conjunto de $N_G$ puertas objetivo de forma independiente de la medida de Haar en $SU(d)$.
   • Para cada puerta objetivo, el marco evalúa la fidelidad de proceso contra todas las formas de onda en una familia de pulsos "admisible" restringida.
   • La familia admisible se define por presupuestos de recursos explícitos (por ejemplo, amplitud máxima $A_{cap}$ y ancho de banda $B_{cap}$).
   • La mejor fidelidad alcanzable $F^*_g(A_0)$ se determina maximizando la fidelidad sobre todos los controles factibles para una meta $g$ específica y un nivel de presupuesto $A_0$.

4. Métricas de Controlabilidad:
   La controlabilidad práctica se caracteriza estadísticamente mediante la distribución de las mejores infidelidades alcanzables sobre el conjunto de Haar.

   • La métrica principal es un resumen basado en el área ($CM$), definido como la integral de la función de supervivencia de la distribución de infidelidad.
   • Matemáticamente, esto es equivalente a la distancia de Wasserstein-1 ($W_1$) entre la distribución empírica de las infidelidades de mejor logro y la masa puntual ideal en cero de infidelidad.
   • Esta métrica se calcula a través de una rejilla de presupuestos de recursos para generar "superficies de controlabilidad".

Resultados Clave

El marco fue demostrado numéricamente para un qubit excitado ($d=2$) acoplado a un baño de dimensión finita, bajo tres regímenes:

1. Referencia de sistema cerrado: Dinámica unitaria ideal.
2. Modelo de ruido clásico: Defasamiento estocástico.
3. Ruido combinado cuántico más clásico: Modos auxiliares disipativos más defasamiento clásico.

Estudios Unidimensionales:

• Se analizaron las distribuciones de la mejor infidelidad alcanzable para el escalamiento de amplitud y el escalamiento de ancho de banda (ancho gaussiano).
• El caso de sistema cerrado colapsó a una función escalón en cero de infidelidad ($CM \approx 0$), confirmando la validez del marco.
• En regímenes ruidosos, las distribuciones de infidelidad se desplazaron hacia la derecha, mostrando el modelo de ruido combinado el peor desempeño ($CM \approx 0.021$ para el escalamiento de amplitud).
• Los resultados mostraron un orden consistente: Sistema cerrado > Ruido clásico > Ruido combinado.

Estudios Bidimensionales:

• Las superficies de controlabilidad de amplitud-ancho de banda conjuntas ($CM(A_{cap}, B_{cap})$) revelaron una estructura distinta de bajo recurso–transición–saturación.
• Bajo recurso: Los límites pequeños restringen la familia de pulsos, resultando en una baja controlabilidad.
• Transición: A medida que los límites se relajan, la controlabilidad mejora rápidamente.
• Saturación: Incrementos adicionales en los recursos producen rendimientos decrecientes.
• Impacto del Ruido: El ruido no solo reduce el nivel general de controlabilidad, sino que deforma la región útil. En el caso del ruido combinado, la superficie se reconfigura de tal manera que la dependencia del ancho de banda se concentra más en las regiones de bajo ancho de banda, aun cuando el desempeño absoluto es menor que en el caso de ruido clásico.
• Jerarquía de Recursos: El estudio sugiere que la amplitud actúa como el recurso primario que gobierna el inicio de la controlabilidad, mientras que el ancho de banda actúa como un recurso secundario que refina el régimen una vez que existe suficiente fuerza de excitación.

Significancia y Reivindicaciones

El artículo afirma proporcionar una noción de controlabilidad a nivel de dispositivo para familias de control fijas y físicamente realizables en presencia de ruido de sistema abierto parcialmente desconocido. Su significancia radica en:

1. Cambio de Paradigma: Pasar de la alcanzabilidad teórica binaria a una evaluación cuantitativa de las distribuciones de rendimiento alcanzables limitadas por recursos.
2. Mapeo Operacional: Convertir la controlabilidad práctica en un "paisaje de recursos" interpretable (la superficie de controlabilidad) que vincula restricciones de hardware específicas (amplitud y ancho de banda) con el desempeño de compuertas alcanzable.
3. Utilidad de Benchmarking: Proporcionar un flujo de trabajo para comparar diferentes familias de control, regímenes de ruido o configuraciones de hardware mediante la cuantificación del cambio en la distribución de las fidelidades de compuerta alcanzables (vía la distancia de Wasserstein-1).
4. Relevancia Práctica: Demostrar que los recursos de control finitos y el ruido de sistema abierto restringen conjuntamente el desempeño de las compuertas, ofreciendo un método para identificar los niveles de recursos específicos requeridos para entrar en un régimen de alto desempeño.

Los autores señalan limitaciones, incluyendo que el modelo de caja gris es válido solo dentro de la región de entrenamiento (sin extrapolación), que el ancho de banda se modela mediante el ancho gaussiano en lugar de filtros de hardware explícitos, y que las métricas son resúmenes numéricos sobre muestras finitas en lugar de criterios analíticos exactos. El marco se presenta como una herramienta para caracterizar y evaluar la capacidad de control en entornos realistas y limitados por recursos.