多体希尔伯特空间中的测量驱动导航:主动决策转向

将系统制备到指定态的挑战涉及量子力学的多个方面。为完成这一量子态转向任务,可采用通过一系列广义测量的量子控制,将系统导向目标态。在该协议的一个主动版本中,所获得的测量读出被用于实时调整协议。这相对于不包含主动调整的被动版本协议实现了加速性能。本工作中,我们考虑将此主动测量驱动转向应用于具有挑战性的多体量子系统情形。为辅助决策策略,我们提供了希尔伯特空间定向技术,类似于导航中所用者。第一种是将主动决策协议绑定于代价函数(如目标态保真度)的贪婪累积。我们展示了显著加速的潜力,将此种贪婪方法用于广泛的矩阵乘积态目标族。在此考虑的系统尺寸下,该族上加速因子$f$的平均值约为$20$,对某些目标甚至达到数千。我们还确定了一子类矩阵乘积态目标,其$f$值随系统尺寸增大。除贪婪方法外,第二种寻路技术是将可用测量动作映射到量子状态机。可基于此种表示使用半经典启发式构建决策协议。此基于状态机的方法可应用于更受限的目标集合,有时相对于基于代价函数的方法具优势。我们给出一个W态制备的示例,用此方法加速$f\simeq3.5$,优于该目标的贪婪协议。