缓解超导 CZ 门内部门间串扰的神经网络方法

量子计算的潜力从根本上受到量子比特对噪声和串扰固有敏感性的制约，尤其是在多量子比特门操作期间。现有的策略，如硬件隔离和动态解耦，在可扩展性、实验可行性以及对抗复杂噪声源的鲁棒性方面面临限制。在这篇论文中，我们提出了一个物理引导的神经控制（PGNC）框架，用于为超导 transmon 量子比特系统生成鲁棒的控制脉冲，专门针对串扰缓解。通过将硬件感知的参数化与一个考虑条件依赖串扰失真的哈密顿量信息目标相结合，PGNC 引导搜索朝向平滑且物理上可实现的脉冲，同时高效地探索高维控制景观。针对 CZ 门的数值模拟表明，在匹配的约束条件下，与 Krotov 基线相比，PGNC 具有优越的保真度和脉冲平滑度。综上所述，结果表明在标称和受扰动条件下均有一致且具有实际意义的改进，在最坏情况保真度上增益显著，这支持 PGNC 作为近期超导量子比特设备上实现鲁棒控制的一条可行途径。