基于在线学习的高精度量子系统控制

The development of quantum information technology demands strong supports from advanced control techniques. Under most circumstances, good control performance can be easily achieved via simple pulse design on a well-established experimental platform. However, to attain the high control precision required for fault tolerant quantum computing, highly efficient optimization has to be introduced for selection of control pulses that resist errors from the simulation model, the pulse generator and the measurement devices. Being subject to such high-precision quantum control demands, we will propose a synthesized control design solution that combines the error analysis, the offline optimization and the data-driven online learning. Starting from the geometry of the underlying quantum control system, we will use offline optimization to determine the best initial guess that fits the following learning process. Then, according to the means of measurement, we will design online learning algorithm to further eliminate the systematic errors and suppress the affection of noises, while the cost for measurement is minimized. These studies will lead to a systematic designing method for finding high-precision and robust quantum controls, which are to be tested by experiments with superconducting circuits and solid-state spin systems. We expect that these results will provide practically valuable tools for implementing quantum information technologies.

量子信息技术的发展需要先进的控制技术支撑。在大多数情况下，优良的实验装置加上简单的脉冲设计就可以达到很好的控制效果，但是为达到容错量子计算所需的控制精度，就必须引入高效的优化方法选择脉冲，以克服模型误差、脉冲误差、测量误差等带来的性能下降。本项目将围绕高精度量子控制问题，基于对误差来源的分析，结合离线优化和在线学习提出综合解决方案。我们首先从量子控制系统的整体几何性质出发，通过离线优化选择具有鲁棒性的最适于学习迭代的高质量初始控制，然后根据测量方式的不同，利用在线获得的测量数据设计学习算法进一步消除系统误差和噪声带来的影响，并最大程度上节省测量资源。研究成果将形成系统化的学习控制设计体系，并结合超导量子电路和固体自旋系统进行实验测试，期望对推进量子信息技术的发展提供有实用价值的高精度控制脉冲设计方法。

以量子计算为代表的量子信息技术是未来科技发展的战略制高点之一，也是中美高科技竞争的焦点之一。量子信息技术的发展需要先进的控制技术支撑，通过设计高效的优化方法选择脉冲以达到容错量子计算所需的控制精度，并克服模型误差、脉冲误差、测量误差等带来的性能下降。本项目围绕高精度量子控制问题，基于对误差来源的分析提出离线鲁棒控制优化和在线控制校准的综合解决方案。.我们设计完成了一系列针对不确定量子系统的鲁棒控制和在线校准算法，以a-GRAPE，b-GRAPE，c-GRAPE，d-GRAPE为代表并衍生了相关的改进算法，并将所提出算法用于抑制参数漂移、时钟同步误差等具体问题中。研究思路进一步拓展到量子机器学习中，通过量子控制系统实现了端到端量子机器学习，并在超导量子计算平台上完成了实验验证。上述成果共形成研究论文19篇，分别发表在Physical Review A, Physical Review Applied和IEEE Trans. Control Systems Technology等高水平国际期刊上。.本项目研究的重要特色是理论与实验结合。通过合作，我们提出的鲁棒控制、在线校准和端到端量子机器学习算法分别核磁共振系统和超导量子计算系统中得到了实验验证，形成了4篇研究论文，初步显现了实用化的应用前景。除了以外，我们提出的算法也得到国内外其他研究组关注并采用，其中d-GRAPE控制脉冲在线校准算法被中国科技大学研究组在超导量子计算实验平台上进行了验证，b-GRAPE鲁棒控制脉冲优化算法被美国包含IonQ量子计算初创公司在内的研究组在离子阱量子计算实验平台上进行了验证。项目执行期间，我们还启动了与中国科技大学的合作，计划将获得的理论研究成果用于光晶格囚禁冷原子系统中的激光控制脉冲鲁棒设计中。.本项目产生的理论与实验结合的研究成果为推进量子信息技术实用化提供了宝贵经验和基础，我们期望未来能够进一步完善扩大，形成可在不同硬件实验平台上通用的系统性应用研究成果。