La IA y los problemas difíciles del mundo · Física cuántica y computación cuántica · arXiv · 2026-10-19
Compilación neuronal de pulsos con conciencia del riesgo para puertas de un solo cúbit con parametrización continua, con evaluación comparativa de control óptimo y validación en hardware de RMN
Título original: Risk-aware neural pulse compilation of continuously parameterized single-qubit gates with optimal-control benchmarking and NMR hardware validation
El artículo presenta una red neuronal informada por la física que aprende un mapa reutilizable desde objetivos de puertas de un solo cúbit parametrizados de forma continua hasta pulsos de control, entrenada de extremo a extremo sin etiquetas de pulsos óptimos y refinada con un ajuste fino consciente del riesgo para lograr robustez. En un modelo de RMN en estado líquido de tres cúbits, alcanzó una fidelidad nominal media superior a 0.99 en objetivos distribuidos según Haar y generó nuevos pulsos con un tiempo de inferencia submilisegundo, mientras que GRAPE robusto logró una mayor fidelidad por objetivo. El entrenamiento consciente del riesgo amplió la tolerancia a errores de amplitud de RF, y un experimento de hardware de RMN reprodujo esta tendencia, aunque las correlaciones absolutas fueron menores que en la simulación.