L'IA face aux grands problèmes du monde · Physique quantique et informatique quantique · arXiv · 2026-10-19
Compilation neuronale d'impulsions tenant compte du risque pour des portes à un qubit à paramétrage continu, avec évaluation par contrôle optimal et validation sur matériel RMN
Titre original: Risk-aware neural pulse compilation of continuously parameterized single-qubit gates with optimal-control benchmarking and NMR hardware validation
L'article présente un réseau de neurones informé par la physique qui apprend une correspondance réutilisable entre des cibles de portes à un qubit paramétrées de façon continue et des impulsions de contrôle, entraîné de bout en bout sans étiquettes d'impulsions optimales et affiné par un ajustement fin sensible au risque pour la robustesse. Sur un modèle de RMN en phase liquide à trois qubits, il a atteint une fidélité nominale moyenne supérieure à 0,99 sur des cibles distribuées selon la mesure de Haar et a généré de nouvelles impulsions avec un temps d'inférence inférieur à la milliseconde, tandis que GRAPE robuste a obtenu une fidélité par cible plus élevée. L'entraînement sensible au risque a élargi la tolérance aux erreurs d'amplitude RF, et une expérience matérielle de RMN a reproduit cette tendance, bien que les corrélations absolues aient été plus faibles qu'en simulation.