基于增强神经常微分方程的耗散量子系统量子滤波与镇定
量子物理
2025-09-10 v1
摘要
在缺乏系统哈密顿量或噪声模型完整知识的情况下对开放量子动力学进行建模，是量子控制与量子态估计中的一个关键挑战。我们引入了一种增强量子神经常微分方程（AQNODE）框架，该框架直接从部分连续测量数据中学习量子轨迹和耗散参数。通过将系统嵌入一个经由神经常微分方程演化的潜在空间，AQNODE 能够以时间平滑性和物理一致性捕捉可观测与隐藏的非马尔可夫动力学。我们的方法整合弱测量数据来重建量子比特态和含时退相干率，从而在无需显式物理方程的情况下实现精确的状态预测和参数推断。此外，我们结合了基于 AQNODE 的反馈控制技术，包括比例-微分和时变线性二次型调节器（LQR）策略，以实时将量子系统引导至目标态。广泛的数值模拟表明，AQNODE 能够跨系统配置进行泛化，实现低预测误差，并执行鲁棒的量子滤波与控制。这些结果确立了 AQNODE 作为一个可扩展、可微分且实验兼容的框架，用于耗散量子系统的实时建模与控制。
引用
@article{arxiv.2509.07196,
title = {Quantum Filtering and Stabilization of Dissipative Quantum Systems via Augmented Neural Ordinary Differential Equations},
author = {Shahid Qamar and Rana Imran Mushtaq and Bo Li and Ho-Kin Tang},
journal= {arXiv preprint arXiv:2509.07196},
year = {2025}
}