高效学习与优化数字控制量子比特系统中的非高斯相关噪声

精确的量子比特控制在存在空间-时间相关噪声的情况下，对于实现容错量子计算至关重要。一般而言，这类噪声可能具有非高斯统计特性，这会阻碍现有的非马尔可夫噪声谱协议。通过利用基于帧的表征和新颖的对称性分析，我们展示了如何实现更高阶的谱估计，以用于噪声优化的电路设计。令人惊讶的是，我们发现数字驱动的量子比特动力学完全由所施加控制的复杂度决定，而非非扰动的非高斯环境的非扰动性质。这使得我们能够更简单地处理某些非扰动的量子比特动力学。我们阐述了学习此类高复杂度噪声的几个复杂度界限，并演示了使用系列数值仿真进行单量子比特和两量子比特数字表征和控制。我们的结果不仅为(小规模)开放量子动力学的精确可解性提供了见解，也突显了一种资源高效的方法，用于最优控制和可能的误差降低技术，适用于当前的量子比特设备。