Un régulateur pour les portes quantiques : comment la robotique pilote les qubits ✛
Contexte
Le contrôle optimal des systèmes quantiques consiste à trouver les impulsions de champs externes qui amènent le système dans l'état souhaité en un temps minimal et avec une précision maximale. Pour les qubits supraconducteurs (transmons), il existe déjà des méthodes analytiques, comme DRAG pour les opérations à un qubit et la cross-résonance pour les opérations à deux qubits, mais elles nécessitent un réglage fin en fonction du matériel spécifique. Les méthodes numériques, telles que GRAPE et la méthode de Krotov, offrent plus de flexibilité, mais nécessitent souvent une bonne approximation initiale. Ce travail se situe aux côtés d'autres tentatives d'appliquer la théorie du contrôle classique à des problèmes quantiques : PRONTO utilise la méthode de Newton projective, PICO utilise la collocation directe, et cet article transpose l'iLQR, connu en robotique, à la synthèse de portes.
Méthodes
Les auteurs ont représenté la matrice unitaire sous une forme réelle isomorphe (ils l'ont vectorisée), et ont approximé l'exponentielle matricielle par une série de Padé d'ordre huit. Le problème de contrôle optimal est formulé comme un problème iLQR : minimisation d'une fonction de coût quadratique sous contraintes de dynamique. Pour obtenir des impulsions lisses, les dérivées des enveloppes sont prises comme variables de contrôle, et les amplitudes elles-mêmes sont ajoutées à l'état. Cela permet de pénaliser la vitesse de variation et les valeurs finales des impulsions. Les hyperparamètres (matrices de coût) ont été réglés manuellement et par recherche sur grille. Les simulations ont été effectuées pour des transmons à un et deux qubits avec les paramètres du processeur IBM Brisbane, avec un pas de 0.5 ns et des durées de 40 ns (porte X) et 240 ns (porte CR).
Résultats
Pour la porte X à un qubit sur un modèle à deux niveaux, l'iLQR sans lissage reproduit la solution bang-bang analytique avec une précision de 1.3·$10^{-13}$, et avec lissage, de 4·$10^{-9}$. Pour le modèle à trois niveaux, la précision atteint 2.1·$10^{-7}$, avec une fuite vers l'état |2⟩ négligeable. Pour la porte cross-résonance à deux qubits sur le modèle à deux niveaux, la précision atteint 1.1·$10^{-8}$, et sur le modèle à trois niveaux, 5.9·$10^{-5}$. La comparaison avec L-BFGS-B GRAPE montre que GRAPE peut atteindre des précisions plus élevées (jusqu'à 1.9·$10^{-13}$ pour le cas à un qubit), mais son résultat dépend fortement de l'impulsion initiale, alors que l'iLQR trouve une solution à partir d'une initialisation aléatoire.
Implications
Ce travail montre que l'iLQR, une méthode issue de la robotique, est applicable au contrôle optimal quantique et peut trouver des solutions de haute précision sans approximation initiale. Contrairement aux travaux voisins qui utilisent d'autres méthodes d'optimisation (Newton projectif, collocation), l'idée clé ici est l'utilisation de la fonction de valeur (cost-to-go), ce qui permet de prendre en compte les coûts futurs lors de la mise à jour des commandes. Cela ouvre la voie à des outils de synthèse de portes plus universels et plus automatisés.
Développements futurs
À terme, l'iLQR pourrait être adapté à des impulsions plus courtes en utilisant des fonctions de coût plus complexes avec des poids dépendant du temps. Il est également possible d'inclure la fidélité directement dans la fonction de coût. La méthode pourrait être appliquée à d'autres architectures, par exemple aux transmons à couplage variable pour les portes iSWAP ou CZ. Une direction importante est l'intégration de la rétroaction matérielle pour compenser les imprécisions du modèle.
Impact
La méthode pourrait accélérer l'étalonnage des processeurs quantiques et améliorer la qualité des portes, en particulier pour les systèmes dont la forme analytique des impulsions est inconnue. Elle pourrait également être utile en métrologie quantique et en sondage, où un contrôle précis est requis.
Prochaines étapes
Les prochaines étapes comprennent l'optimisation d'impulsions plus courtes sous des contraintes réalistes d'AWG, l'inclusion de la fidélité dans la fonction de coût et des tests sur du matériel réel avec rétroaction.
Problèmes ouverts clés
En contrôle optimal quantique, le problème de l'évolutivité reste ouvert : les méthodes qui fonctionnent bien pour un ou deux qubits peuvent ne pas gérer la croissance de la dimension de l'espace de Hilbert. Ce travail ne résout pas directement ce problème, mais propose une méthode efficace en calcul qui pourrait potentiellement être étendue à un plus grand nombre de qubits grâce à l'approximation du Hessien et au calcul parallèle des dérivées.
Le regard de la machine du savoir
Cette section s'adresse à l'auteur du travail et à ses collègues. Les travaux voisins ont été trouvés par une recherche sémantique dans notre archive, et non par correspondance de mots. Nous n'évaluons pas : nous montrons le champ autour.
Ce que fait ce travail
Dans ce travail, la méthode iLQR issue de la robotique a été adaptée pour optimiser les impulsions de contrôle dans des transmons supraconducteurs. Les auteurs ont introduit des contraintes sur les dérivées des signaux afin de garantir la douceur des impulsions, et dans les simulations, ils ont atteint une précision de 4·10^-9 pour la porte X à un qubit et de 1.1·10^-8 pour la porte cross-résonance à deux qubits. La méthode ne nécessite pas d'approximation initiale et peut fonctionner avec différentes architectures.
Où est sa force
L'utilisation de la fonction de valeur (cost-to-go) dans iLQR permet de prendre en compte les coûts futurs lors de la mise à jour des contrôles, ce qui rend la méthode robuste à l'initialisation aléatoire et potentiellement universelle pour divers systèmes quantiques.
Vers où avancer
- Il pourrait être intéressant de voir comment iLQR gère les contraintes matérielles réelles, comme la bande passante limitée de l'électronique de contrôle. À côté, il y a un travail sur la cryoélectronique qui aborde les problèmes de contrôle des qubits à basse température.appui : Cryoélectronique : piloter des qubits à 4 kelvins arXiv:2602.14165
- On pourrait envisager d'adapter la méthode pour optimiser des systèmes multi-niveaux plus complexes ou des systèmes avec plusieurs qubits, où la minimisation de la diaphonie est cruciale. Sur arXiv, il y a un travail sur quatre qubits sur un même pont qui pourrait fournir un contexte pour le passage à l'échelle.appui : Quatre qubits sur un seul pont arXiv:2602.06812
- Il serait intéressant de comparer iLQR avec des approches utilisant l'apprentissage par renforcement pour ajuster les portes quantiques, par exemple avec un travail où un ordinateur quantique apprend à jouer sans tricher. Cela pourrait révéler les avantages et les limites de chaque méthode.appui : L'ordinateur quantique apprend à jouer juste arXiv:2607.01422
À essayer
- Tester iLQR sur des problèmes avec des contraintes plus strictes sur l'amplitude et la durée des impulsions, par exemple pour des portes courtes.
- Utiliser iLQR pour initialiser des méthodes de gradient, telles que GRAPE, afin de combiner la convergence globale d'iLQR avec la haute précision de GRAPE.
- Appliquer iLQR à l'optimisation simultanée de plusieurs portes dans une séquence, afin de prendre en compte les effets de mémoire et la diaphonie.
Pourquoi cela peut compter
Le transfert de méthodes de la robotique vers le contrôle quantique pourrait contribuer à la création d'outils de synthèse de portes plus automatisés et plus polyvalents, ce qui est important pour le passage à l'échelle des processeurs quantiques.
Travaux voisins dans notre archive
- Cryoélectronique : piloter des qubits à 4 kelvinsproximité 0.54
- Une télécommande quantique qui ne chauffe presque pasproximité 0.53
- Des impulsions intelligentes pour des balançoires quantiquesproximité 0.53
- Un robot règle les processeurs quantiquesproximité 0.53
- Quatre qubits sur un seul pontproximité 0.52
- Contrôle universel de la lumière dans une cavité quantiqueproximité 0.52
- L'ordinateur quantique apprend à jouer justeproximité 0.51
L'archive est vide autour de ce travail : l'analyse la plus proche n'est qu'à 0.54, contre 0,64 d'ordinaire. Il semble qu'on ait peu foré à côté.
La méthode iLQR a été initialement développée pour contrôler les mouvements de robots, par exemple la marche des humanoïdes. Désormais, elle contrôle des états quantiques, des pas de robot à l'évolution de la fonction d'onde.
Chiffres clés
- précision de la porte X à un qubit (2 niveaux): 4·10-9
- précision de la porte CR à deux qubits (2 niveaux): 1.1·10-8
- durée de la porte X: 40 ns
- durée de la porte CR: 240 ns
- pas de discrétisation: 0.5 ns