李群+神经网络生成超导量子比特控制脉冲

Piero Luchi与Francesco Pederiva提出将李群理论与前馈神经网络结合的量子最优控制框架：先用预先计算的控制脉冲训练网络，使其把目标传播子映射为对应控制脉冲，从而在推理时免去逐个显式优化。论文为arXiv《Lie Algebra-Based Quantum Optimal Controls Interpolation》(2606.02014v2)。 在2、3、4比特超导系统中，作者称对特定李代数参数组合获得高重构保真度；还用该方法重构了经历集体味振荡的中微子系统Trotter传播子的控制脉冲。作者称，在硬件特定随机传播子上训练一次的单一模型，可作为希尔伯特空间维度兼容的任意目标量子系统的通用控制脉冲生成器。以上为作者声称，尚待独立验证。

AI 根据报道生成 · 2 小时前更新