⚛️ quantum physics

Dynamical Decoupling using Universal Optimal Tracking

本文介绍了一种通用的最优追踪方法，用于设计能够动态补偿控制缺陷并抑制误差累积的动力学解耦序列，且该方法已在超导量子比特平台上得到了实验验证。

原作者： Amit Devra, Emanuel Malvetti, Niklas J. Glaser, Abhishek Agarwal, Ivan Rungger, Santana Lujan, Max Werninghaus, Stefan Filipp, Leo Van Damme, Steffen J. Glaser

发布于 2026-06-23

📖 1 分钟阅读🧠 深度阅读

CC BY 4.0

原作者： Amit Devra, Emanuel Malvetti, Niklas J. Glaser, Abhishek Agarwal, Ivan Rungger, Santana Lujan, Max Werninghaus, Stefan Filipp, Leo Van Damme, Steffen J. Glaser

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

核心问题：正在“漂移”的量子比特

想象一下，你正试图让一个旋转的陀螺在桌面上保持完美的平衡。在现实世界中，桌面并不是完全平整的，而且存在微小的颠簸和震动（噪声）。如果你只是让陀螺旋转，它最终会变得摇晃并倒下。

在量子计算机中，“旋转的陀螺”就是量子比特（信息的最小单位）。当计算机没有主动使用量子比特时（即“闲置”期间），环境噪声会导致它偏离预定状态。这被称为退相干（Decoherence），它会破坏计算过程。

旧的解决方案：“坏掉的唱片”

为了防止陀螺倒下，科学家们使用一种叫做**动力学解耦（Dynamical Decoupling, DD）**的技术。你可以把它想象成给陀螺进行一系列精准的轻拍，以保持其直立。

多年来，标准方法就像是在播放一张坏掉的唱片：

你播放一段短促、完美的拍击序列（一个“脉冲块”）。
只要量子比特需要闲置，你就一遍又一遍地重复这段完全相同的序列。

缺陷在于： 在现实世界中，你的手并不完美。每次你拍打陀螺时，都可能产生微小的偏差。如果你重复进行 40 次这种“不完美”的拍击，这些微小的误差就会不断累积。到漫长的闲置时间结束时，尽管你一直在拍打，陀螺已经发生了显著的偏移。旧方法假设噪声是静态的，并没有考虑到你的“拍击”可能会随着每一次重复而变得略有不同。

新的解决方案：“最优追踪”（U-TRACK）

本文作者引入了一种名为 U-TRACK 的新方法。与其只是播放坏掉的唱片，不如想象一位正在实时观察旋转陀螺的聪明教练。

它是这样工作的：

检查点： 这种方法不再仅仅是在最后时刻才检查陀ola是否直立，而是在每一次拍击（或每一小组拍击）之后都会检查它的位置。
修正： 如果教练看到陀螺在第一次拍击后稍微向左偏移，那么下一次拍击就不会只是对第一次拍击的简单重复。它会被稍微调整，以将陀螺推回中心。
结果： 这套拍击序列不再是一个重复的模式。它是一场独特的、定制化的编舞，其中的每一个动作都在补偿前一个动作所产生的错误。

论文称之为**“通用最优追踪”（Universal Optimal Tracking）**。它确保量子比特不仅在终点时，而且在每一步都紧贴其起始点。

实验：他们的发现

研究人员在真实的超导量子计算机（一种使用微型电路作为量子比特的硬件类型）上测试了这种方法。他们对比了三种方法：

UR40： 一个巨大的、复杂的序列，旨在仅在最后时刻达到完美。
XY4： 旧的“坏掉的唱片”方法（重复一个短小的模块）。
U-TRACK4： 新的“聪明教练”方法。

实验结果：

针对静态误差（“不平的桌面”）： 当噪声是恒定时（比如一个始终略微倾斜的桌面），U-TRACK4 比其他方法能更好地保持量子比特稳定。“坏掉的唱片”（XY4）会缓慢漂移，而巨大的序列（UR40）虽然在结束时表现出色，但在中间过程中会让量子比特剧烈晃动。
针对变化噪声（“摇晃的房间”）： 他们还模拟了一个噪声随机变化的场景，就像房间在不可预测地摇晃。在这里，U-TRACK4 表现卓越。因为它能不断修正错误，所以它比其他方法更能应对环境的突然变化。如果噪声突然跳变，虽然“坏掉的唱片”失效了，但“聪明教练”却能适应。

隐藏的模式：“XUR”的发现

研究人员最有趣的发现之一是，当计算机设计这些新序列时，它“发明”了什么。

研究人员原本以为计算机会创造出一种随机、混乱的拍击模式。然而，计算机自然而然地收敛到了一个特定的、优雅的结构，他们称之为 XUR。

这就像是一段舞蹈编排。计算机并没有随机选择动作，而是发现了一种两种已知舞蹈风格（称为 MLEV 和 XY 类型）的特定混合方式，并将它们完美地融合在一起。
这具有重要意义，因为这种特定的融合方式以前从未被使用过。这表明，自然界（或数学）存在一个用于实现稳定性的“甜点区（Sweet Spot）”，而计算机自己找到了它。

这为什么重要

这篇论文并不声称彻底修复了量子计算机，但它提供了一种更好的保护方式，让它们在等待时更加稳定。

硬件无关性： 这种方法适用于任何类型的量子硬件，不仅仅是他们测试的那种。
短小且鲁棒： 它允许使用短小、高效且极难被破坏的序列，这对于目前噪声较大的现实世界量子计算机至关重要。
开源： 作者发布了他们使用的软件，因此其他科学家也可以使用这个“聪明教练”来设计自己的保护序列。

总结： 本文介绍了一种更聪明的方法来保护量子比特免受噪声影响。它不再盲目地重复同样不完美的动作，而是通过不断检查和修正路径，即使在环境混乱或多变的情况下，也能保持量子态的稳定。

技术摘要：基于通用最优追踪（Universal Optimal Tracking）的动力学解耦

问题陈述
量子系统本质上是脆弱的，会因环境噪声而遭受退相干的影响。动力学解耦（Dynamical Decoupling, DD）是一种通过施加控制脉冲来抵消系统-环境相互作用，从而抑制这些误差的标准技术。然而，传统的 DD 序列面临一个关键限制：它们通常依赖于对短脉冲块（例如 XY4）的周期性重复。如果脉冲块包含缺陷（如失谐或幅度误差），则净演化算符会偏离单位算符。因此，残余误差会在连续重复过程中不断累积，导致在长时间闲置期间状态恢复性能下降。虽然“通用鲁棒”（Universal Robust, UR）序列提供了针对参数偏差的鲁棒性，但它们通常需要优化为单个长序列块，这导致其无法在中间时刻实现重聚焦，从而对中间序列参数跳变或随时间变化的噪声较为敏感。现有的解决方案（如超循环，例如 XY64）虽然改进了鲁棒性，但往往受限于特定的块长度和相位模式。

方法论
作者引入了基于**通用最优追踪（Universal Optimal Tracking）**的新型 DD 序列家族——U-TRACK。这种方法将最初为解耦异核自旋而开发的追踪概念推广到了完全与状态无关的设定中。

核心概念： 与仅优化最终状态或重复固定块的传统方法不同，U-TRACK 要求量子比特的演化不仅在序列结束时近似于单位算符，而且在预定义的中间“路标点”（即每个脉冲块之后）也必须满足这一条件。这种动态补偿机制防止了误差在循环过程中的累积。
优化框架： 每个块的脉冲相位使用结合了以下两种技术的混合算法进行优化：
1. GRASP（梯度上升脉冲工程）： 用于高效计算局部梯度。
2. 遗传算法： 在脉冲空间内进行结构化全局搜索，以避免陷入次优局部极小值。
灵活性： 该框架支持任意数量的块 ( $M$ ) 以及每个块中任意数量的脉冲 ( $N$ )。本研究重点展示了 $N=4$ 的情况（U-TRACK4）。
实现： 这些序列通过数值模拟并在超导跨子（transmon）量子比特平台（Walther-Meißner-Institut 和 IQM 设备）上进行了实验验证。

主要贡献

通用最优追踪： 一种设计原则，通过在每个块处进行动态误差校正，创建出非周期性的脉冲结构，确保了即使在块数增加时也能保持鲁棒性。
发现 XUR 结构： 优化过程自然地收敛到一种被称为 XUR 的特定相位模式，即在单个序列内构成了 MLEV 型和 XY 型块的结构化混合。这种组合在以往文献中从未被同时考虑过，此前这两类脉冲类型通常是分开研究的。
优化效率： 作者证明，使用 XUR 设想（ansatz）而非随机相位进行初始化，可以显著缩短收敛时间并提高解的质量。
硬件无关工具包： 该优化框架以开源 Julia 包 UTrack.jl 的形式发布，提供可直接使用的各种长度的序列。

结果

静态缺陷： 实验和数值结果表明，U-TRACK4 在广泛的静态失谐 ( $\delta$ ) 和幅度误差 ( $\epsilon$ ) 范围内均能保持高过程保真度。相比之下，XY4 由于误差累积会在随时间推移而表现出保真度下降，而 UR40 则由于缺乏中间重聚焦能力，表现出性能下降。U-TRACK4 在抑制误差累积的同时，仍能保持规律的重聚焦。
随时间变化的噪声（随机电报噪声）： 在模拟双能级涨落体的随机电报噪声（RTN）模型下：
- 在高频机制（ $\lambda \gtrsim 10^3$ MHz）下，所有序列的表现相似，因为涨落被平均掉了。
- 在低频和准静态机制下，U-TRACK4 和 XY4 的表现显著优于 UR40。UR40 对序列中间的参数跳变非常敏感，导致高保真度区域呈现碎片化。
- 与 XY4 的比较： 在低频机制下，U-TRACK4 通常与 XY4 持平或略优于 XY4，特别是在失谐幅度较高、XY4 出现剧烈保真度下降的情况下。
对参数跳变的鲁棒性： 对系统中途跳转到新参数的模拟证实，U-TRACK4 能够保持中心化的高保真度区域，而 UR40 的性能则严重退化。

意义与主张
论文声称，U-TRACK 为设计适用于噪声量子设备的短小且鲁棒的 DD 序列建立了一种实用的、硬件无关的方法。通过将追踪概念扩展到通用的、与状态无关的设定中，该方法克服了“周期性重聚焦（会导致误差累积）”与“长块优化（缺乏中间稳定性）”之间的权衡。作者强调，生成的序列并非仅仅是已知超循环的重复，而是代表了一种全新的结构化组合（XUR），这种组合在应对静态缺陷和随时间变化的噪声方面提供了卓越的鲁棒性。这项工作表明，此类经过动态优化的序列可能成为增强大规模量子硬件中量子算法保真度的核心组件。