基于强化学习的快速稳健纵向量子比特读出
量子物理
2026-03-20 v1
摘要
纵向耦合为量子非破坏性 (QND) 读出提供了引人入胜的途径，但脉冲设计受制于硬件限制，如耦合强度和维持线性范畴内所需的光子数。我们发展了一个强化学习框架，用于在此类约束下优化纵向耦合波形。基于简捷绝热性 (STA) 的理论基础，我们对辅助轨迹采用三次 B 样条进行参数化，并重构物理控制。在固定的短读出时间下，优化脉冲收敛于约束饱和的平坦脉冲方案， 约提高50%，同时对参数漂移表现出增强的鲁棒性。仿真结果表明，强化学习在优化纵向读出脉冲方面具有有效性。该优化方案实现了显著的性能提升，获得平滑、硬件兼容的波形，受可解释的“饱和-保持”机制支配。
引用
@article{arxiv.2603.18060,
title = {Reinforcement Learning for Fast and Robust Longitudinal Qubit Readout},
author = {Yiming Yu and Yuan Qiu and Xinyu Zhao and Ye-Hong Chen and Yan Xia},
journal= {arXiv preprint arXiv:2603.18060},
year = {2026}
}
备注
11 pages, 5 figures