基于本征态约化的量子滤波无限时序随机模型预测控制可 tractability 分析
量子物理
2025-12-04 v2
摘要
模型预测控制(MPC)已显示出增强量子控制系统鲁棒性的潜力。本文提出一种针对有限维量子系统在连续时间测量和量子滤波下的可 tractability 的随机模型预测控制(SMPC)框架。利用量子轨迹的几乎sure本征态约化，我们证明了无限时序随机目标简化为一个可从一步平均化状态中以闭式计算得到的保真度项。因此，在线SMPC步骤仅需对滤波器进行确定性传播并进行终端保真度评估。该方法的一个优势是消除了每水平Monte Carlo情景抽样，显著降低计算负荷，同时保留essential stochastic动力学。我们建立了等价性和均方稳定性保证，并在多水平系统和Ising型系统上进行验证，表明其在样本基SMPC方法中具有更好的可扩展性。
引用
@article{arxiv.2511.05916,
title = {Tractable Infinite-Horizon Stochastic Model Predictive Control for Quantum Filtering via Eigenstate Reduction},
author = {Yunyan Lee and Ian R. Petersen and Daoyi Dong},
journal= {arXiv preprint arXiv:2511.05916},
year = {2025}
}
备注
13 pages, 5 figures