Pulse Quality Optimisation in Quantum Optimal Control

Cet article présente GECKO, une méthode agnostique au modèle qui exploite la géométrie riemannienne du groupe unitaire spécial pour optimiser la qualité des impulsions de contrôle — telles que la régularité, la robustesse et la durée — sans compromettre la fidélité de l'évolution unitaire cible.

L'essentiel

Imaginez que vous essayez d'enseigner à un danseur très délicat et à grande vitesse (un ordinateur quantique) d'exécuter une chorégraphie spécifique (une porte logique). Dans le monde de la physique quantique, cette chorégraphie est définie par une série d'« impulsions » d'énergie précises, telles que des faisceaux laser ou des ondes radio, qui poussent le danseur vers les bons mouvements.

Pendant longtemps, les scientifiques ont été très habiles à trouver un ensemble d'impulsions qui amène le danseur à la parfaite pose finale à la fin de la chorégraphie. C'est ce qu'on appelle la « haute fidélité ». Cependant, le fait que le danseur atteigne la pose finale ne signifie pas que le trajet pour y parvenir était pratique. Le chemin pourrait impliquer :

• Des mouvements saccadés et peu naturels, difficiles à suivre pour les projecteurs de scène (le matériel).
• Une rotation trop rapide, ce qui provoque des vertiges chez le danseur (sensibilité au bruit).
• L'utilisation d'une fréquence musicale que les haut-parleurs ne peuvent pas réellement reproduire (limites de bande passante).
• Le choix d'un itinéraire pittoresque et sinueux alors qu'une ligne droite aurait été plus rapide.

Le Problème :
Les méthodes traditionnelles tentent de résoudre tous ces problèmes pendant qu'elles déterminent la chorégraphie. Mais c'est comme essayer de concevoir une danse parfaite, une scène parfaite et un système d'éclairage parfait, le tout simultanément. C'est incroyablement difficile, et souvent, la chorégraphie « parfaite » qu'elles trouvent est impossible à exécuter réellement dans un laboratoire.

La Solution : GECKO
Les auteurs de cet article, Dylan Lewis et Roeland Wiersema, présentent une nouvelle méthode appelée GECKO (Contrôle Quantique Géométrique avec Optimisation par Noyau).

Considérez GECKO comme un processus en deux étapes :

1. Étape 1 : Obtenir la bonne pose. D'abord, utilisez n'importe quelle méthode standard pour trouver n'importe quel ensemble d'impulsions qui amène l'ordinateur quantique à l'état final correct avec une grande précision. Ne vous inquiétez pas si le chemin est saccadé ou étrange ; assurez-vous simplement que le danseur termine au bon endroit.
2. Étape 2 : Polir la danse. Maintenant, voici la magie. GECKO examine cette chorégraphie « suffisante » et se demande : « Peut-on modifier les pas sans changer la pose finale ? »

Comment cela fonctionne (L'analogie) :
Imaginez que l'état de l'ordinateur quantique est un point sur une colline lisse et courbe (une forme mathématique appelée variété). La « pose finale » est un endroit précis sur cette colline.

• Il existe de nombreux chemins différents pour atteindre cet endroit. Certains sont escarpés et rocailleux ; d'autres sont lisses et plats.
• Les méthodes standard tentent de trouver le meilleur chemin depuis le tout bas de la colline.
• GECKO dit : « Nous sommes déjà au sommet. Marchons autour du pic. »

GECKO utilise une géométrie avancée pour trouver des « directions plates » sur la colline. Si vous marchez dans ces directions spécifiques, vous restez à exactement la même altitude (la fidélité reste parfaite), mais vous modifiez la forme de votre chemin. C'est comme marcher autour du rebord d'un cratère ; vous restez à la même élévation, mais vous pouvez choisir de marcher sur un chemin pavé et lisse plutôt que sur un sentier rocailleux et irrégulier.

En marchant le long de ces « directions plates », GECKO peut :

• Lisser la danse : Transformer les sauts saccadés et soudains en courbes douces plus faciles à gérer pour le matériel.
• Filtrer la musique : Supprimer les notes aiguës (fréquences) que les haut-parleurs ne peuvent pas jouer, sans changer la mélodie.
• Rendre robuste : Ajuster les pas afin que, si le danseur trébuche légèrement (à cause du bruit ou d'erreurs), il atterrisse toujours au bon endroit.
• Accélérer : Trouver un chemin plus court vers la même destination, rendant la porte plus rapide.

Les Résultats :
Les auteurs ont testé cela sur un système quantique simulé (une paire de « qubits » agissant comme un système magnétique minuscule). Ils ont commencé par une solution standard, puis ont utilisé GECKO pour l'améliorer.

• Ils ont réussi à éliminer le bruit haute fréquence des impulsions.
• Ils ont lissé les signaux de commande irréguliers.
• Ils ont rendu le système beaucoup plus résistant aux erreurs.
• Ils ont considérablement réduit le temps nécessaire pour exécuter la porte.

L'essentiel :
GECKO est un outil qui sépare la tâche de « trouver la bonne réponse » de celle de « rendre la réponse pratique ». Il prend une solution mathématiquement parfaite mais expérimentalement désordonnée et l'affine en une version lisse, robuste et compatible avec le matériel, tout en garantissant que le résultat final reste exactement le même. C'est comme prendre un brouillon d'un roman et polir la prose sans changer l'intrigue.

Résumé technique

1. Énoncé du problème

Le contrôle quantique optimal (QOC) vise à concevoir des impulsions de contrôle expérimentales (par exemple, les amplitudes et phases des lasers) qui implémentent une évolution unitaire cible avec une haute fidélité. Bien que des méthodes standard comme GRAPE, Krotov et CRAB puissent trouver des solutions à haute fidélité, ces solutions échouent souvent à respecter les contraintes expérimentales pratiques ou des objectifs de qualité secondaires.

• Le fossé : Le QOC standard traite souvent toutes les contraintes (bande passante, régularité, robustesse, durée) simultanément lors de la recherche d'une impulsion à haute fidélité. Cela peut entraîner :
  • Des pièges artificiels dans le paysage de contrôle.
  • Une convergence lente.
  • Des solutions mathématiquement optimales pour la fidélité mais difficiles à mettre en œuvre expérimentalement (par exemple, contenant du bruit haute fréquence ou des discontinuités abruptes).
• L'opportunité : Il existe souvent de nombreuses impulsions de contrôle distinctes qui réalisent la même unitaire cible avec une fidélité comparable. Les auteurs proposent une stratégie consistant à trouver d'abord n'importe quelle solution à haute fidélité, puis à parcourir l'ensemble de niveau de fidélité correspondant pour optimiser les qualités secondaires de l'impulsion (comme la régularité ou la robustesse) sans sacrifier l'objectif principal de fidélité.

2. Méthodologie : GECKO

Les auteurs introduisent le Contrôle Quantique Géométrique avec Optimisation par Noyau (GECKO), une méthode de post-traitement agnostique au modèle.

Concept central

GECKO exploite la géométrie riemannienne du groupe unitaire spécial $SU(N)$(où$N=2^n$ pour $n$ qubits). Il identifie des directions dans l'espace des paramètres de l'impulsion qui laissent l'unitaire implémentée inchangée au premier ordre.

Formulation mathématique

1. Représentation de l'impulsion : Une impulsion est définie par des paramètres $\Phi$ comprenant $L$ pas de temps et $K$ générateurs de contrôle. L'unitaire total est $U_G(\Phi)$.
2. Contrainte de fidélité : Une solution est valide si $F(\Phi, U_{cible}) > 1 - \epsilon$.
3. Identification du noyau :
   • Les auteurs définissent une application jacobienne $J(\Phi)$ qui mappe les vecteurs tangents dans l'espace des paramètres ($T_\Phi \mathbb{R}^{LK}$) vers l'espace tangent du groupe unitaire ($T_{U_G} SU(N)$).
   • Ils identifient le noyau (nullspace) de ce jacobien, $\text{ker}(J(\Phi))$.
   • Toute mise à jour $\delta \Phi$ située dans ce noyau résulte en $U_G(\Phi + \delta \Phi) = U_G(\Phi) + O(\|\delta \Phi\|^2)$. Ainsi, se déplacer le long du noyau préserve l'unitaire (et la fidélité) au premier ordre.
4. Stratégie d'optimisation :
   • Le noyau est engendré par une base orthonormée $Z(\Phi)$.
   • Les mises à jour sont paramétrées comme $\delta \Phi = Z(\Phi)x$, où $x$ sont de nouvelles coordonnées.
   • L'algorithme minimise une fonction de qualité secondaire $Q(\Phi)$ (par exemple, régularité, contenu spectral) sous la contrainte que les mises à jour restent dans le noyau.
   • Boucle de l'algorithme :
     1. Calculer le jacobien $J(\Phi)$ et sa base de noyau $Z(\Phi)$.
     2. Projeter le gradient de la fonction de qualité $\nabla Q$ sur le noyau (ou résoudre un problème des moindres carrés dans les coordonnées du noyau).
     3. Mettre à jour les paramètres $\Phi \leftarrow \Phi + s \cdot \text{mise\_à\_jour\_normalisée}$.
     4. Si la fidélité chute en dessous du seuil en raison d'erreurs du second ordre, réoptimiser en utilisant une méthode QOC standard (comme GEOPE) pour restaurer la fidélité, puis reprendre GECKO.

3. Contributions clés

• Découplage de la fidélité et de la qualité : GECKO sépare la tâche de trouver une impulsion à haute fidélité de l'optimisation de ses propriétés expérimentales. Cela évite le problème des "contraintes dures" où les limitations expérimentales empêchent de trouver une solution du tout.
• Parcours géométrique : Il fournit un cadre géométrique rigoureux (en utilisant le noyau du jacobien) pour parcourir les ensembles de niveau du paysage de contrôle, garantissant que les optimisations secondaires ne dégradent pas l'implémentation unitaire principale.
• Agnosticisme du modèle : La méthode n'est pas liée à un hamiltonien spécifique ou à un matériel de contrôle ; elle nécessite uniquement la capacité de calculer le jacobien et le gradient d'une fonction de qualité différentiable.

4. Résultats et démonstrations numériques

Les auteurs ont testé GECKO sur un hamiltonien d'Ising à champ transversal pour des systèmes à deux qubits, ciblant les portes CZ et CNOT.

• A. Filtrage dans le domaine fréquentiel :
  • Objectif : Supprimer les composantes haute fréquence (passe-bas) ou amplifier des fréquences spécifiques sans changer la porte.
  • Résultat : GECKO a réussi à supprimer le bruit haute fréquence et à façonner le spectre (passe-bas, passe-haut, coupe-bande) tout en maintenant une infidélité $< 10^{-6}$.
• B. Lissage de l'impulsion :
  • Objectif : Réduire la "rugosité" (changements abrupts des paramètres de contrôle) pour minimiser la sensibilité au bruit et les exigences de bande passante.
  • Résultat : GECKO a produit des impulsions nettement plus lisses que le filtrage gaussien standard. Crucialement, GECKO a pu supprimer globalement les canaux de contrôle inutiles (par exemple, éliminant totalement le besoin d'un deuxième champ de contrôle) pour maximiser la régularité globale, une prouesse que les filtres gaussiens ne pouvaient atteindre.
• C. Robustesse au bruit :
  • Objectif : Optimiser les impulsions pour qu'elles soient robustes face aux déviations de paramètres (par exemple, erreurs d'amplitude).
  • Résultat : En optimisant un objectif de fidélité au pire cas sur une plage de perturbation, GECKO a trouvé des impulsions maintenant une haute fidélité même avec des décalages de paramètres significatifs ($\delta \approx 0,05$), surpassant les solutions initiales.
• D. Durée de l'impulsion (Optimalité temporelle) :
  • Objectif : Minimiser le temps requis pour exécuter la porte.
  • Résultat :
    • Longueur du chemin géométrique : GECKO a minimisé la longueur du chemin sur la variété $SU(N)$, trouvant une durée de $T \approx 2,323/g$.
    • Temps limité par la dérive : Lors de la minimisation du temps sous une contrainte de couplage de dérive fixe, GECKO a trouvé une durée beaucoup plus courte ($T \approx 0,854/g$), bien que cela ait nécessité des amplitudes de contrôle plus importantes.

5. Importance et implications futures

• Viabilité expérimentale : GECKO comble le fossé entre le contrôle théorique à haute fidélité et les contraintes matérielles pratiques. Il permet aux expérimentateurs de prendre une solution "suffisamment bonne" et de l'affiner pour leurs limitations matérielles spécifiques (bande passante, régularité, robustesse).
• Géométrie de la complexité : La méthode offre une approche numérique pour résoudre les équations géodésiques dans des variétés sous-riemanniennes, ce qui est pertinent pour comprendre la complexité des circuits quantiques et le temps minimum requis pour les opérations quantiques.
• Évolutivité : Bien que l'implémentation actuelle s'échelle en $O(LKN^4)$ (en raison des calculs de jacobien et de SVD), la rendant faisable pour de petits systèmes ($\lesssim 5$ qubits), les auteurs notent que l'exploitation des symétries ou de la parcimonie pourrait étendre son utilité à des systèmes plus grands.
• Flexibilité : Le cadre permet l'optimisation simultanée de plusieurs objectifs (par exemple, lissage + robustesse) en définissant une fonction de qualité pondérée.

En résumé, GECKO représente un changement de paradigme dans la conception du contrôle quantique : plutôt que de lutter pour satisfaire toutes les contraintes simultanément lors de la recherche, il trouve d'abord une solution à haute fidélité, puis la "polisse" en utilisant la liberté géométrique inhérente au paysage de contrôle.