低秩量子最优控制的解析梯度

我们引入了低秩最优控制（LROC），这是一种为开放量子系统设计控制脉冲的方法，在这些系统中，全密度矩阵模拟的计算成本过高。该方法利用了量子计算本身的一个特性：由于协议旨在保持纯度，密度矩阵由少数纯态主导，因此可以进行精确的低秩分解。LROC仅传播这种分解形式，并通过推导相应的伴随方程，以与模拟相同的降低后的成本获得任何可微目标的梯度，与完整主方程相比，在时间和内存上实现了二次方的改进。我们在四个超导电路任务上展示了该方法的广泛适用性：制备五量子比特GHZ态、CNOT门、量子比特读出以及一个纠错原语，这些任务均使用现实的多能级transmon、衰减和强驱动进行建模，在每种情况下都达到了与固有耗散极限一致的保真度。因此，LROC将脉冲级优化扩展到现有基于梯度的方法无法企及的系统规模。