热噪声环境下的量子调控优化OA北大核心CSTPCD

环境热噪声是量子计算走向规模化的一大阻碍,其存在对量子调控过程的鲁棒性和保真度提出了更高要求。采用随机动力学结构分解方法,并根据Kubo-Einstein涨落耗散定理,研究了热噪声环境下量子调控的量子动力学优化问题,即如何提高热噪声环境下量子调控过程的保真度。基于二维球面上的经典路径可完全描述单个量子比特运动这一特性,提出了基于梯度下降算法的变分优化方案,并通过数值模拟证明了该方案的可用性。结果发现,在经典极限下影响量子调控过程保真度的主要因素是热涨落。该方法有望与实验相互验证,进一步指导和评估实验方案,以期实现量子门的高保真度。