1. 量子最优控制与脉冲校准工程导论

量子计算硬件的性能，最终取决于能否把抽象的量子门与算法，翻译成一组在真实器件上可执行、可复现、误差可控的模拟控制脉冲。量子最优控制与脉冲校准工程，正是连接“量子算法想做什么”与“硬件实际能做什么”的桥梁学科。它既不是纯数学的最优化理论，也不是单纯的仪器调试，而是一门把控制论、量子物理、数值优化与实验测量缝合在一起的工程实践。

本课程定位为一条从理论到上机、从仿真到实测的完整技术路径。学完本课程，你应当能够：给定一个目标量子操作（例如一个 iSWAP 门或一个 CZ 门），写出其哈密顿量模型，选择合适的控制参数化方式，用数值优化求解控制脉冲，再通过实验校准把仿真结果落到真实量子处理器上，并用可观测指标判断门是否达标。这条路径的每一环都有明确的输入、输出与判据，而不是“调一调看效果”。

核心问题：从目标门到可执行脉冲

量子最优控制要回答的核心问题可以概括为：在给定的物理约束下，寻找一组控制场 u(t)，使系统演化算符 U(T) 尽可能接近目标算符 U_target。形式化地，定义保真度

F = |Tr(U_target† · U(T))|² / d²

其中 d 是希尔伯特空间维度。优化目标就是最大化 F，同时满足控制幅度、带宽、脉冲时长等约束。但工程上真正困难的部分在于：U(T) 由含时薛定谔方程决定，控制场与演化之间是非线性关系；真实器件还存在弛豫、退相干、控制线串扰、脉冲失真等非理想因素。因此，最优控制给出的“数学最优解”往往不是“实验最优解”，必须经过校准环节才能落地。

脉冲校准工程则处理另一类问题：当控制脉冲已经确定，如何通过实验测量修正其幅度、相位、时序与失真？典型手段包括 Rabi 振荡测幅度、Ramsey 干涉测频率失配、AllXY 测脉冲误差、层析与随机基准测试（RB）评估门保真度。校准的本质是建立一个“参数—观测量”的映射，并通过迭代把误差压到目标阈值以下。

技术栈全景

整个技术栈可以按“建模—优化—编译—校准—验证”五个层次理解，但它们并非严格线性，而是存在反馈回路。下图给出本节的技术栈全景与数据流关系。

图中五个层次构成主链路，红色虚线表示校准结果反馈回建模与优化环节。实际工程中，一次校准往往需要多轮迭代：先用仿真给出初值，再在硬件上测量偏差，修正模型参数后重新优化。这种“仿真—实测—修正”的闭环，是本课程反复强调的工作方式。

典型应用场景与工程指标

不同物理平台对最优控制的需求各有侧重。超导 Transmon 比特中，最常见的是单比特旋转门与两比特 CZ/iSWAP 门。以单比特门为例，若采用高斯型 DRAG 脉冲，控制参数包括脉冲幅度 A、标准差 σ、总时长 T 与 DRAG 系数 β。一个合理的教学示例参数为：T = 20 ns，σ = T/4 = 5 ns，采样率 1 GS/s，即每个脉冲约 20 个采样点。优化目标通常是单比特门保真度 F ≥ 99.9%，对应 RB 误差约 1×10⁻³ 量级。

离子阱平台则更关注激光相位与拉比频率的稳定性，Mølmer-Sørensen 门的控制脉冲需要同时调制多束激光的相位，最优控制可用来抑制声子模式的热占据带来的误差。中性原子平台中，里德堡阻塞门的脉冲形状直接影响门速度与保真度的权衡。量子传感场景下，最优控制被用于设计自旋压缩或动力学解耦序列，以在退相干时间内获得最大相位灵敏度。

本课程的学习路径

后续内容将沿着技术栈自上而下推进：先建立超导比特与驱动场的哈密顿量模型，再引入 GRAPE 与 CRAB 两类主流优化方法，随后进入脉冲离散化与 AWG 波形生成，最后用实验校准与基准测试收束。每一部分都会给出可运行的参数示例与判断标准，而不是停留在概念层面。你需要准备的背景包括：线性代数与量子力学基础、Python 数值计算能力，以及对示波器、任意波形发生器（AWG）等实验仪器的基本认识。

值得强调的是，最优控制与脉冲校准不是两个独立阶段，而是同一工程问题的两端。优化算法给出的是“在模型假设下最优”的解，校准则负责检验并修正模型与真实器件之间的差距。把这两者割裂开来，往往导致仿真保真度很高、实测却无法复现。本课程的核心目标，就是让你建立这种端到端的工程直觉。