使用强化学习ansatz的最优控制设计快速量子门

快速量子门不仅对于当代含噪中等规模量子器件时代至关重要，而且对于未来实用容错量子计算的发展也至关重要。泄漏误差（由数据量子比特跳出计算子空间引起）是实现非绝热驱动快速门的主要挑战。在这项工作中，我们提出并说明了强化学习（RL）在生成实用多级超导量子比特中快速两量子比特门方面的有用性。特别地，我们展示了RL控制器在寻找分段常数门脉冲序列方面的有效性，该序列作用于通过可调耦合器耦合的两个transmon数据量子比特，以生成门时间为10 ns、错误率约为$4\times 10^{-3}$的受控-Z（CZ）门。使用基于梯度的方法解决相同的优化问题通常无法为如此快速的门实现高保真度。然而，我们表明，使用RL发现的脉冲作为基于梯度控制器的ansatz，可以显著提高保真度，相比单独使用RL。对于10 ns脉冲，这种改进是微小的，但对于长度为20 ns的门，RL+梯度组合方法将门错误降低到$10^{-4}$以下。