⚛️ quantum physics

Optimizing stimulated Raman adiabatic passage for leakage suppression via Pontryagin's maximum principle

本文利用庞特里亚金极大值原理，在考虑能级泄漏的受激拉曼绝热通道（STIRAP）多能级模型中，通过构建泄漏惩罚泛函并优化高斯脉冲参数，显著提升了超导 transmon 平台上的态转移保真度及抗噪声鲁棒性。

原作者： Xiao-Yu Dong, Xi-Lai Wang, Wen-Long Ma

发布于 2026-04-13

📖 1 分钟阅读🧠 深度阅读

原作者： Xiao-Yu Dong, Xi-Lai Wang, Wen-Long Ma

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

这篇论文讲述了一个关于如何更完美地操控量子系统的故事。为了让你轻松理解，我们可以把量子世界想象成一个繁忙的火车站，而我们要完成的任务是把一位乘客（量子比特）从 A 站安全、快速地送到 B 站。

1. 背景：理想的“直通车”与现实中的“岔路口”

理想情况（STIRAP 协议）：
在教科书里，有一种叫“受激拉曼绝热通道”（STIRAP）的方法。想象一下，这就像是一条完美的地下直通车。只要按照特定的顺序发车（先开 B 站的轨道，再开 A 站的轨道，这叫“反直觉”顺序），乘客就能悄无声息地、稳稳当当地从起点滑到终点，中间甚至不会在换乘站（中间态）停留。这在理想的三站系统中非常完美。
现实情况（多能级泄漏）：
但在真实的实验室里（比如超导量子计算机），系统不像只有三个站那么简单。它像一个巨大的、错综复杂的交通枢纽。
- 除了我们要去的 A 站和 B 站，旁边还有 C 站、D 站、E 站……
- 当我们试图发车时，由于信号不够精准或能量太强，乘客很容易跑错轨道，误入旁边的 C 站或 D 站。
- 在量子物理里，这叫**“泄漏”（Leakage）**。一旦乘客跑错了站，任务就失败了，而且很难把他抓回来。

2. 核心问题：如何防止乘客跑错？

以前的方法就像是在火车站贴个告示：“请小心，别走错路”。但这不够，因为乘客（量子态）非常调皮，稍微有点干扰（比如信号波动、设备误差）就会跑偏。

这篇论文提出了一种**“超级导航员”**方案。

3. 解决方案：庞特里亚金极大值原理（PMP）—— 聪明的导航算法

作者没有发明新的物理定律，而是引入了一位数学界的“超级导航员”，他的名字叫庞特里亚金极大值原理（PMP）。

传统方法（像盲人摸象）：
以前的优化方法（比如 GRAPE）有点像在迷宫里乱撞，或者拿着放大镜一点点调整。它们虽然有效，但在处理这种“多岔路口”且要防止“跑错路”的复杂情况时，计算量巨大，而且很难同时兼顾“速度快”、“不跑偏”和“抗干扰”。
PMP 方法（像上帝视角的规划师）：
PMP 就像是一个拥有上帝视角的总调度员。它不仅知道乘客现在在哪，还能倒推（从终点往回看）：如果乘客最后要完美到达 B 站，那么他在上一秒、前两秒应该处于什么状态？

通过这个“正推 + 倒推”的数学框架，导航员可以计算出每一条轨道的微小偏差，并告诉我们要如何调整发车信号（控制脉冲）。

4. 具体操作：给信号穿上“紧身衣”

为了让这个方案在现实中可行，作者做了一个聪明的限制：

限制信号形状： 他们不让信号变成任何奇怪的形状（因为实验室设备发不出那种信号），而是规定信号必须是高斯脉冲（一种平滑的钟形曲线，就像完美的拱门）。
只调几个旋钮： 既然形状固定了，我们只需要调整几个关键参数：信号有多强（振幅）、什么时候发（时间）、持续多久（宽度）。

比喻： 想象你在指挥乐队。以前你可能要指挥每个乐手怎么吹每一个音符（太复杂了）。现在，你只指挥指挥棒挥动的力度、开始的时间和节奏快慢。PMP 算法就是那个帮你算出“最佳指挥棒动作”的超级大脑。

5. 成果：不仅跑得快，还更稳了

作者把这个方法用在了超导量子比特（一种像微型电路的量子计算机核心部件）上，目标是把能量从第 0 层送到第 2 层，同时防止它跑到第 3、4 层去。

结果非常惊人：

成功率飙升： 乘客到达目的地的成功率从 91% 提升到了 99.8%。
跑错路少了： 误入旁边岔路（泄漏）的概率大幅降低。
速度更快： 整个传输过程的时间缩短了，就像把原本需要 80 秒的旅程压缩到了 48 秒，而且还没出错。
抗干扰能力强： 即使信号稍微有点不准（比如电压波动、频率漂移），这个新方案依然能稳稳地把乘客送到，而旧方案早就跑偏了。

6. 总结：为什么这很重要？

这篇论文的核心贡献在于，它没有抛弃经典的“绝热通道”（STIRAP）这个好方法，而是给它穿上了一层防弹衣，并配上了智能导航。

以前： 我们要么追求完美但怕干扰，要么怕干扰但效率低。
现在： 利用 PMP 算法，我们在复杂的、容易跑偏的真实环境中，依然能实现既快、又准、又稳的量子传输。

一句话总结：
这就好比在狂风暴雨的复杂路况下，给一辆自动驾驶汽车装上了最顶级的预测算法，让它不仅能避开所有旁边的坑（泄漏），还能比平时开得更稳、更快，确保乘客（量子信息）毫发无损地到达目的地。这为未来建造更强大的量子计算机铺平了道路。

这篇论文提出了一种基于庞特里亚金极大值原理（Pontryagin's Maximum Principle, PMP）的量子最优控制框架，旨在解决受激拉曼绝热通道（STIRAP）在实际多能级量子系统中的泄漏（Leakage）抑制问题。

以下是该论文的详细技术总结：

1. 研究背景与问题 (Problem)

STIRAP 的局限性： 标准的 STIRAP 协议通过在理想三能级系统中绝热跟随“暗态”（Dark State）来实现高保真度的量子态转移。然而，在实际物理系统（如超导量子电路）中，能级结构并非完美的三能级系统，而是具有更丰富的多能级结构。
泄漏问题： 由于有限的谱选择性、非谐性（Anharmonicity）以及有限振幅的驱动，控制脉冲不仅耦合目标三能级子空间，还会耦合到更高能级（泄漏态）。这种泄漏会破坏暗态结构，导致转移保真度下降。
现有方法的不足： 传统的梯度上升脉冲工程（GRAPE）或 Krotov 方法虽然有效，但在处理实验约束（如脉冲形状限制）、泄漏惩罚和鲁棒性优化时，往往缺乏统一的变分框架。此外，许多“绝热捷径”（Shortcut-to-Adiabaticity）方法在扩展到多能级系统时会引入额外的复杂性或不可控的跃迁。

2. 方法论 (Methodology)

作者提出了一套基于 PMP 的优化框架，具体步骤如下：

多能级链模型构建：
- 将系统建模为一个 $N$ 态最近邻链（Nearest-neighbor chain）。
- 在旋转波近似（RWA）下，哈密顿量被描述为三对角矩阵，明确包含了目标子空间（如 $|0\rangle, |1\rangle, |2\rangle$ ）和泄漏子空间（如 $|3\rangle, |4\rangle$ ）。
- 该模型统一描述了目标转移过程和由非谐性引起的泄漏路径。
PMP 最优控制框架：
- 将脉冲设计问题表述为带有泄漏惩罚项的 Bolza 型最优控制问题。
- 目标泛函 $J$ 包含终端项（目标态保真度惩罚）和运行成本项（中间态及泄漏态的布居数惩罚）。
- 利用 PMP 推导了状态方程（前向传播）和伴随方程（后向传播），并导出了控制梯度的显式表达式。
- 复希尔伯特空间表述： 作者采用了复数形式的 PMP 表述，这在数学上等价于实变量 PMP，但更自然地处理量子态。
参数化脉冲约束：
- 为了符合实验可行性，将控制场限制为高斯脉冲族（Gaussian pulse families）。
- 优化变量从无限维的波形函数缩减为有限维的物理参数：泵浦脉冲和斯托克斯脉冲的振幅、中心时间和脉宽（共 6 个参数）。
- 通过链式法则，将泛函梯度转化为对这几个参数的梯度，实现了高效的低维优化。
耗散处理：
- 在优化过程中，通过引入有效非厄米哈密顿量（Effective non-Hermitian Hamiltonian）来直接纳入能量弛豫（Relaxation）效应，无需求解复杂的主方程。

3. 关键贡献 (Key Contributions)

统一的泄漏抑制框架： 首次将 STIRAP 的暗态传输机制与多能级泄漏抑制在同一个 PMP 框架下统一处理，显式地建模了泄漏子空间。
实验友好的参数化优化： 提出了一种基于高斯脉冲参数优化的方法，既保留了 STIRAP 的“反直觉”时序（Counterintuitive ordering）物理机制，又显著降低了优化维度，避免了过度参数化带来的过拟合或实验不可实现问题。
解析梯度的推导： 推导了针对参数化高斯脉冲的精确梯度公式，使得基于梯度的迭代优化（如拟牛顿法）能够高效收敛。
鲁棒性增强： 证明了该方法不仅能提高标称条件下的保真度，还能显著增强系统对振幅校准误差、失谐漂移和非谐性变化的鲁棒性。

4. 数值结果 (Results)

研究在超导 Transmon 量子比特的五能级截断模型（ $|0\rangle \to |2\rangle$ 转移， $|3\rangle, |4\rangle$ 为泄漏态）上进行了数值模拟：

保真度提升： 优化后的脉冲将目标态转移保真度从初始高斯脉冲的 0.911 提升至 0.998。
泄漏抑制： 最大泄漏布居数（ $P_3 + P_4$ ）从 0.0499 降低至 0.0221。
时间缩短： 优化后的协议总持续时间从 80 ns 缩短至 47.8 ns，同时保持了高保真度，打破了“速度越快泄漏越多”的常规权衡。
鲁棒性分析：
- 参数扫描： 在脉冲振幅、非谐性尺度、拉曼失谐偏差等参数变化下，优化后的协议表现出更宽的“高保真度区域”。
- 频率漂移： 对驱动频率偏移和能级频率漂移的敏感度显著降低。
- 失谐偏差： 在拉曼失谐偏差扫描中，优化协议表现出更对称且更宽的高保真度响应，有效补偿了失谐引起的暗态畸变。

5. 意义与展望 (Significance)

实验实用性： 该框架为在具有弱非谐性的实际超导量子电路中实现高保真 STIRAP 控制提供了一条切实可行的路径。它不需要复杂的额外控制场，仅通过优化标准的高斯脉冲参数即可实现。
通用性： 虽然以 Transmon 为例，但该基于多能级链模型和 PMP 的框架具有通用性，可推广至冷原子、分子系统以及其他涉及暗态传输和泄漏抑制的多能级量子控制任务（如量子门设计、子空间传输）。
理论价值： 展示了如何将 PMP 这一经典控制理论工具有效地应用于量子多体系统的约束优化问题，特别是在处理泄漏和实验约束方面优于传统的离散时间梯度方法。

总结： 该论文通过引入庞特里亚金极大值原理，成功解决了 STIRAP 在实际多能级系统中面临的泄漏问题。通过参数化高斯脉冲优化，该方法在保持 STIRAP 物理机制的同时，显著提升了转移保真度、缩短了操作时间并增强了鲁棒性，为超导量子计算中的高保真态传输提供了重要的理论工具和实验指导。