Résumé Technique : Évaluation de la Contrôlabilité à Ressources Limitées des Systèmes Quantiques Ouverts

Énoncé du Problème

La réalisation pratique des technologies quantiques nécessite la mise en œuvre d'opérations de haute fidélité sous des contraintes de ressources matérielles finies et une dynamique de système ouvert. Bien que la contrôlabilité des systèmes fermes idéalisés soit bien définie par un critère algébrique de Lie binaire (si les Hamiltoniens de dérive et de contrôle engendrent $\mathfrak{su}(d)$), cette condition théorique ne parvient pas à prédire la performance atteignable dans les dispositifs réels. Les systèmes du monde réel opèrent dans des régimes ouverts où la décohérence, la dérive, les limites de bande passante et les impulsions non idéales induisent une dynamique non unitaire. De plus, le bruit est souvent partiellement caractérisé, dépendant du contrôle et potentiellement non markovien.

La littérature existante sur la contrôlabilité des systèmes ouverts repose généralement sur des modèles spécifiques (par exemple, la dynamique de Lindblad markovienne) ou des analyses de raggiungabilité abstraites qui ne répondent pas directement à la question de l'ingénierie : Étant donné une famille de formes d'impulsions matériellement réalisables et des contraintes de ressources explicites (par exemple, l'amplitude et la bande passante), quelles opérations cibles sont réalisables avec une haute fidélité, et comment cette capacité évolue-t-elle avec les ressources disponibles ? Les modèles physiques de type « boîte blanche » (whitebox) manquent souvent de précision dans les régimes de haute fidélité en raison de la dissipation non modélisée, tandis que les modèles de type « boîte noire » (blackbox) basés sur les données manquent de structure diagnostique et nécessitent un volume de données excessif.

Méthodologie

Les auteurs proposent un cadre à ressources limitées qui traite la contrôlabilité pratique comme un problème d'ingénierie de dispositif. L'approche quantifie la distribution des meilleures fidélités réalisables sur un ensemble de portes cibles plutôt que de chercher une condition de raggiungabilité binaire. La méthodologie se compose de quatre étapes principales :

1. Modélisation « boîte grise » (Graybox) :
   Le cœur du cadre est un modèle substitut (surrogate model) de type « boîte grise » entraîné. Ce modèle conserve la dynamique cohérente connue générée par les Hamiltoniens de dérive et de contrôle ($H_0(t)$) mais apprend une description compacte et dépendante du contrôle des distorsions de système ouvert ($V_O(T)$) à partir de données de sondage.

   • La dynamique du système est exprimée dans la représentation de l'interaction par rapport à $H_0(t)$.
   • Le modèle est entraîné sur des paires de paramètres de contrôle $\vec{\theta}$ et de vecteurs d'espérance mesurés $\vec{E}$ sur une base tomographiquement complète.
   • Une fois entraîné, le modèle agit comme un moteur de recherche rapide, prédisant le propagateur effectif pour toute forme d'onde candidate dans l'espace de contrôle entraîné sans nécessiter de simulation physique complète.

2. Reconstruction du Canal :
   Pour une forme d'onde de contrôle candidate donnée, le modèle boîte grise prédit le propagateur cohérent et l'ensemble des opérateurs de correction effectifs de l'espace observable. Ces prédictions sont utilisées pour reconstruire la matrice de processus (matrice de Choi) du canal quantique implémenté dans une base de tomographie fixe.

3. Évaluation de la Fidélité et Optimisation :

   • Un ensemble de $N_G$ portes cibles est tiré indépendamment selon la mesure de Haar sur $SU(d)$.
   • Pour chaque porte cible, le cadre évalue la fidélité de processus par rapport à toutes les formes d'ondes dans une famille de pulsations « admissible » contrainte.
   • La famille admissible est définie par des budgets de ressources explicites (par exemple, l'amplitude maximale $A_{cap}$ et la bande passante $B_{cap}$).
   • La meilleure fidélité réalisable $F^*_g(A_0)$ est déterminée en maximisant la fidélité sur tous les contrôles réalisables pour une cible $g$ spécifique et un niveau de budget $A_0$.

4. Métriques de Contrôlabilité :
   La contrôlabilité pratique est caractérisée statistiquement par la distribution des meilleures infidélités réalisables ($I_g = 1 - F^*_g$) sur l'ensemble de Haar.

   • La métrique principale est un résumé basé sur l'aire ($CM$), défini comme l'intégrale de la fonction de survie de la distribution d'infidélité.
   • Mathématiquement, cela équivaut à la distance de Wasserstein-1 ($W_1$) entre la distribution empirique des meilleures infidélités réalisables et la masse ponctuelle idéale à une infidélité nulle.
   • Cette métrique est calculée sur une grille de budgets de ressources pour générer des « surfaces de contrôlabilité ».

Résultats Clés

Le cadre a été démontré numériquement pour un qubit piloté ($d=2$) couplé à un bain de dimension finie, sous trois régimes :

1. Référence de système fermé : Dynamique unitaire idéale.
2. Modèle de bruit classique : Déphasage stochastique.
3. Bruit combiné quantique et classique : Modes auxiliaires dissipatifs plus déphasage classique.

Études unidimensionnelles :

• Les distributions des meilleures infidélités réalisables ont été analysées pour l'évolution de l'échelle d'amplitude et de la bande passante (largeur gaussienne).
• Le cas du système fermé s'est effondré sur une fonction de saut à zéro infidélité ($CM \approx 0$), confirmant la validité du cadre.
• Dans les régimes de bruit, les distributions d'infidélité se sont déplacées vers la droite, le modèle de bruit combiné présentant la performance la plus faible ($CM \approx 0,021$ pour l'échelle d'amplitude).
• Les résultats ont montré un ordre cohérent : Système fermé > Bruit classique > Bruit combiné.

Études bidimensionnelles :

• Les surfaces de contrôlabilité conjointes amplitude-bande passante ($CM(A_{cap}, B_{cap})$) ont révélé une structure distincte de faibles ressources–transition–saturation.
• Faibles ressources : De faibles plafonds restreignent la famille de pulsations, entraînant une faible contrôlabilité.
• Transition : À mesure que les plafonds s'assouplissent, la contrôlabilité s'améliore rapidement.
• Saturation : Des augmentations supplémentaires de ressources produisent des rendements décroissants.
• Impact du bruit : Le bruit non seulement abaisse le niveau global de contrôlabilité, mais déforme également la région utile. Dans le cas du bruit combiné, la surface est remodelée de telle sorte que la dépendance à la bande passante devient plus concentrée dans les zones de faible bande passante, même si la performance absolue est inférieure à celle du cas de bruit classique.
• Hiérarchie des ressources : L'étude suggère que l'amplitude agit comme la ressource primaire régissant l'amorçage de la contrôlabilité, tandis que la bande passante agit comme une ressource secondaire qui affine le régime une fois qu'une force de commande suffisante est disponible.

Signification et Revendications

L'article affirme fournir une notion de contrôlabilité au niveau du dispositif pour des familles de contrôle fixes et matériellement réalisables en présence d'un bruit de système ouvert partiellement inconnu. Sa signification réside dans :

1. Changement de Paradigme : Passer d'une raggiungabilité théorique binaire à une évaluation quantitative des distributions de performance réalisables sous contraintes de ressources.
2. Cartographie Opérationnelle : Convertir la contrôlabilité pratique en un « paysage de ressources » interprétable (la surface de contrôlabilité) qui lie les contraintes matérielles spécifiques (amplitude et bande passante) à la performance des portes réalisables.
3. Utilité de Benchmarking : Fournir un pipeline pour comparer différentes familles de contrôle, régimes de bruit ou configurations matérielles en quantifiant le changement de la distribution des fidélités de portes réalisables (via la distance de Wasserstein-1).
4. Pertinence Pratique : Démontrer que les ressources de contrôle finies et le bruit de système ouvert contraignent conjointement la performance des portes, offrant une méthode pour identifier les niveaux de ressources spécifiques requis pour entrer dans un régime de haute performance.

Les auteurs notent des limitations, notamment que le modèle boîte grise n'est valide qu'à l'intérieur de la région d'entraînement (pas d'extrapolation), que la bande passante est modélisée via une largeur gaussienne plutôt que par des filtres matériels explicites, et que les métriques sont des résumés numériques sur des échantillons finis plutôt que des critères analytiques exacts. Le cadre est présenté comme un outil pour caractériser et évaluer les capacités de contrôle dans des contextes réalistes et à ressources limitées.