⚛️ quantum physics

Gradient-free pulse optimization for adiabatic control in open few-body quantum systems

本文提出了一种用于开放少体量子系统绝热控制的鲁棒、无梯度脉冲优化方法，该方法优于系综优化，并通过在原子比特和超导比特上的应用，在真实的 IBM 量子硬件上得到了成功验证。

原作者： Daniel Turyansky, Yehonatan Zolti, Yuval Cohen, Adi Pick

发布于 2026-02-06

📖 1 分钟阅读🧠 深度阅读

原作者： Daniel Turyansky, Yehonatan Zolti, Yuval Cohen, Adi Pick

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，你正试图引导一辆非常精细、高速行驶的汽车（一个量子系统）从起点到达目的地。目标是尽可能快地到达，同时确保汽车永远不会离开平滑、安全的车道（即“基态”）。如果汽车哪怕只是轻微地偏离，就会发生碰撞或丢失货物（这被称为“泄漏”或“误差”）。

这篇论文介绍了一种更聪明、更高效的驾驶方式。他们不仅仅是在猜测如何转动方向盘，而是创建了一个“GPS 导航系统”，能够不断检查汽车是否保持在安全车道内，并即时调整转向，以确保其始终处于车道之中。

以下是他们的方法和研究结果的拆解，使用了简单的类比：

1. 问题所在：“稳中求进”的陷阱

在量子物理学中，有一个被称为“绝热定理”的规则。它指出，如果你想让一个系统在不产生误差的情况下从一个状态转换到另一个状态，你必须做得非常缓慢。

类比： 想象你在走钢丝。如果你移动得很慢，你就有时间保持平衡。如果你跑起来，你可能会摔倒。
问题： 在现实世界中，我们没有时间慢慢移动。我们需要快速到达目的地。但如果我们加速，系统会变得“抖动”，从而掉下钢丝（这被称为“非绝热误差”）。

2. 解决方案：一个“智能方向盘”

作者开发了一种方法来寻找完美的转向指令（控制脉冲），使系统能够快速移动，但同时仍能完美地保持在钢丝上的平衡状态。

他们不仅关注终点线，还关注了整个旅程。

传统方法： 大多数旧方法只检查：“我们是否正确到达了目的地？”如果汽车在半路撞车了，但最终却奇迹般地站稳了脚跟，旧方法可能会说：“做得好！”
他们的新方法： 他们会检查：“汽车在整个旅程中是否一直保持在钢丝上？”他们使用了一种特殊的“代价函数”（评分系统），会对汽车在旅途中产生的任何微小晃动进行惩罚，而不仅仅是看终点。

3. 他们是如何做到的：一个“试错法”教练

为了找到这些完美的转向指令，他们并没有使用需要了解汽车引擎每一个细节的复杂数学计算（在复杂的量子系统中，这通常是不可能的）。相反，他们使用了一种“无梯度”的方法。

类比： 想象一位教练试图教一名跑步者完美的步幅。教练不需要分析跑步者的肌肉纤维，而是尝试成千上万种随机的步幅模式。
1. 他们尝试一种模式。
2. 他们观察跑步者是否保持在跑道上。
3. 他们保留那些效果最好的模式，并对其进行微调。
4. 他们重复这个过程，直到找到完美的步幅。
工具： 他们使用了名为 CMA-ES 的计算机算法（一种进化算法）来高效地进行这种“试错”。他们还测试了不同的“语言”来描述转向（例如使用正弦波或特殊的数学曲线——切比雪夫多项式），以观察哪种效果最好。

4. 证明：三场不同的比赛

为了证明他们的方法有效，他们在涉及三种不同类型“量子汽车”的三场“比赛”中进行了测试：

比赛 1：简单的双车道公路（原子量子比特）
他们测试了一个基本系统，其中一个粒子从状态 A 移动到状态 B。
- 结果： 他们的“智能转向”即使在道路颠簸（信号噪声或波动）时，也能让粒子保持在路径上。当他们在云端（IBM Quantum）的真实量子计算机上进行测试时，其表现与模拟预测的结果一致。
比赛 2：多车道高速公路（超导量子比特）
他们测试了一个更复杂的系统，涉及两个通过波导（类似于微波管）连接的量子比特。
- 结果： 他们的计算速度比旧方法快得多。旧方法可能需要一小时才能找到一条好的路径，而他们的方法仅需几分钟，且生成的路径在应对误差方面同样稳健。

【注：原文此处为 Race 2 结果部分】

比赛 3：迷宫（里德堡原子与图论问题）
他们使用该方法解决了一个数学谜题——“最大独立集”（寻找一组互不接触的最大项目集合），使用的是由原子组成的网格。
- 结果： 随着谜题规模的扩大（更多原子），他们的方法依然能以极高的准确度找到解决方案，表现优于标准的“恒定速度”或“简单曲线”方法。

5. 核心结论

论文声称，通过专注于在整个旅程中保持系统处于其“瞬时基态”（安全车道），而不仅仅是检查终点线，他们可以：

显著加速量子过程。
使其对现实世界的噪声（如信号波动）具有鲁棒性。
在不需要了解量子系统内部微观机制细节的情况下，高效地完成任务。

他们已经在计算机模拟和真实硬件上成功演示了这一点，表明他们的“智能转向”是未来量子计算的一个实用工具。

技术摘要：用于开放少体量子系统绝热控制的无梯度脉冲优化

问题陈述
绝热控制协议（包括绝热人口转移 [APT] 和绝热量子计算 [AQC]）本质上对控制波动具有鲁棒性，但受限于系统必须相对于其能隙缓慢演化的要求，其速度受到限制。在不牺牲保真度或鲁棒性的前提下加速这些协议是一个重大挑战。虽然量子最优控制（QOC）已成功增强了基于门的算法，但将 QOC 应用于绝热协议时，需要最小化“非绝热误差”（从瞬时基态产生的泄漏）。现有的加速技术（如绝热捷径 [STA]）通常需要对本征态及其导数有完整的了解，而这在需要大规模 AQC 的系统中通常是无法获得的。此外，传统的系综优化方法虽然鲁棒，但在计算效率上较低。

方法论
作者提出了一种鲁棒的、无梯度的脉冲优化方法，旨在使演化的开放量子系统保持在其瞬时基态附近。该方法结合了先进的优化工具和专门为绝热控制定制的代价函数。

系统模型： 开放量子系统的动力学使用马尔可夫 Lindblad 主方程进行建模，考虑了人口弛豫和退相干效应。
代价函数： 优化过程最小化一个复合代价函数 $C = C_i + \eta C_0$ $C = C_{i} + η C_{0}$ ，平衡了失真度和功率约束。作者定义了三种特定的失真度指标：
- $C_1$ ：协议结束时的“非绝热误差”（最终状态偏差）。最小化此项即得到“传统 QOC”。
- $C_2$ ：整个传播路径上的累积非绝热误差。最小化此项即得到“绝热 QOC”。
- $C_3$ ：在一组经过偏移或缩放控制的系综系统上的平均非绝热误差，用于系综优化。
  研究表明，最小化 $C_1$ 和 $C_2$ 的加权和可以增强鲁棒性。
脉冲表示： 控制脉冲构建为已知绝热参考脉冲与一个修正项之和。修正项使用有限项基元（高斯函数、正弦函数或切比雪夫多项式）的展开式表示，并具有可调权重。平方正弦包络确保了协议边界处的平滑性。
优化算法： 作者采用了协方差矩阵自适应进化策略（CMA-ES），这是一种无梯度的进化算法。该方法从正态分布中抽取随机样本的展开系数，通过模拟（使用 QuTiP）评估代价函数，并迭代更新分布以最小化代价函数。选择此方法是因为它能有效处理多目标代价函数。

关键结果
该方法通过涉及原子和超导比特的三个数值示例进行了验证，并在真实量子硬件上进行了验证：

两能级系统（RAP）： 在用于比特的快速绝热传递（RAP）中，“绝热 QOC”脉冲（最小化 $C_1 + C_2$ ）成功地在布洛赫球上追踪瞬时基态，这与传统 QOC 或未优化的脉冲不同。针对拉比频率和失谐波动的鲁棒性测试表明，绝热 QOC 在更宽的参数范围内保持了高保真度。这些结果通过使用数字化、Trotter 化脉冲在 IBM Quantum 云端（Brisbane 处理器）上得到了复现。
多能级系统（STIRAP）： 该方法被应用于耦合通过多模波导的超导比特系统（一种广义 STIRAP 方案）。与超绝热无损驱动（SATD）相比，绝热 QOC 脉冲表现出对强度波动的更强鲁棒性。作者指出，虽然系综优化（ $C_3$ ）产生了鲁棒的结果，但绝热 QOC 方法在效率上显著更高（分钟级对比小时级）。
少体系统（用于 MIS 的 AQC）： 该算法被用于加速利用里德堡原子寻找图的最大独立集（MIS）的 AQC 协议。使用包含多达 14 个原子的环形图，绝热 QOC 脉冲实现了比恒定脉冲或平方正弦脉冲更高的保真度。研究强调，对于更大的希尔伯特空间，应减少累积误差项（ $C_2$ ）的权重以提高收敛性。

意义与主张
本文声称提出了一种通用、高效且鲁棒的方法，用于加速开放少体量子系统中的绝热协议，且无需对系统的本征态有完整了解。通过结合无梯度优化和惩罚整个演化过程中（而非仅在结束时）偏离瞬时基态的代价函数，该方法实现了对强度和频率波动具有韧性的高保真度控制。

作者强调，在保持相当的鲁棒性的同时，其方法在计算效率上优于系综优化。在 IBM Quantum 硬件上的成功实现验证了数字化脉冲的实际适用性。该工作表明，即使在不知道全态的情况下，遵循瞬时基态也是改进 AQC 的可行策略，其方法可以通过利用近似基态或协议早期的知识来实现。确定的未来方向包括优化经典优化资源与量子演化资源之间的分配。