AI 與世界的難題 · 量子物理與量子運算 · arXiv · 2026-10-19
具風險意識的連續參數化單量子位元閘神經脈衝編譯：最佳控制基準測試與 NMR 硬體驗證
原標題: Risk-aware neural pulse compilation of continuously parameterized single-qubit gates with optimal-control benchmarking and NMR hardware validation
本文提出一種物理資訊神經網路，可學習從連續參數化的單量子位元閘目標到控制脈衝的可重複使用映射，無需最佳脈衝標籤即可端到端訓練，並透過風險感知微調提升穩健性。在三量子位元液態核磁共振模型上，它對 Haar 分布的目標達到高於 0.99 的平均標稱保真度，並能以亞毫秒的推論時間生成新脈衝，而穩健 GRAPE 則達到較高的單一目標保真度。風險感知訓練擴大了對射頻振幅誤差的容忍度，核磁共振硬體實驗也重現了這項趨勢，不過絕對相關性低於模擬結果。