IA e os Problemas Difíceis do Mundo · Física quântica e computação quântica · arXiv · 2026-10-19
Compilação neural de pulsos com consciência de risco para portas de qubit único com parametrização contínua, com benchmark de controle ótimo e validação em hardware de RMN
Título original: Risk-aware neural pulse compilation of continuously parameterized single-qubit gates with optimal-control benchmarking and NMR hardware validation
O artigo apresenta uma rede neural informada pela física que aprende um mapa reutilizável de alvos de portas de um único qubit parametrizados continuamente para pulsos de controle, treinada de ponta a ponta sem rótulos de pulsos ótimos e refinada com ajuste fino sensível ao risco para maior robustez. Em um modelo de RMN em estado líquido de três qubits, ela atingiu fidelidade nominal média acima de 0,99 em alvos distribuídos segundo a medida de Haar e gerou novos pulsos em tempo de inferência submilissegundo, enquanto o GRAPE robusto alcançou maior fidelidade por alvo. O treinamento sensível ao risco ampliou a tolerância a erros de amplitude de RF, e um experimento em hardware de RMN reproduziu essa tendência, embora as correlações absolutas tenham sido menores do que na simulação.