引言

  • 本章深化基于条件态(conditional state)的量子反馈控制理论,强调条件态既是理解反馈的基础,也是反馈作用的直接依据。
  • 条件态表征观测者对系统的全部知识,最优控制必须充分利用该知识;此思想与第2.5节自适应测量中利用联合知识优化经典参数估计一脉相承,但本章聚焦于直接调控量子系统本身。
  • 章节结构:6.2节介绍首个“深度量子” regime 下的实验实现;6.3–6.4节先分析经典系统(一般及线性)中的状态反馈、最优控制、稳定性、可检测性与可镇定性;6.5–6.6节延伸至一般及线性量子系统;结果含H. M. W.与A. Doherty、A. Chia合作的未发表成果。

冻结条件态

系统
  • 实验基于腔QED体系(Rb原子束+高精细度光学腔),工作在弱驱动极限(E ≪ κ, γ, g),稳态近似为纯态 |ψₛₛ⟩,源于原子-光场强耦合与有限原子数N引发的非谐性。
  • 系统哈密顿量由Tavis–Cummings模型描述,含原子集体降算符 Ĵ 与腔模湮灭算符 â;主方程包含腔衰减(κ)、原子自发辐射(γ)及相干驱动(E)。
  • 引入小参数 λ = E / (κ + 4Ω²/γ),其中 Ω = g√N 为单光子拉比频率;稳态密度矩阵可展开为 ρₛₛ = |ψₛₛ⟩⟨ψₛₛ| + O(λ³),其中 |ψₛₛ⟩ = |ψ₀⟩ + λ|ψ₁⟩ + λ²|ψ₂⟩ + O(λ³),|ψ₀⟩ 为基态。
  • 通过量子跃迁 unravelling 分析证明:无跃迁演化生成纯态形式解;跃迁事件稀有(发生率 ∼ λ²),且每次跃迁后系统在 O(1) 时间内恢复至 |ψₛₛ⟩,故偏离仅达 O(λ),验证稳态纯度。
条件演化
  • 实验仅探测一个镜面泄漏光子,探测算符为 M₁ = √(ηκdt) â(η < 1);初始稳态 |ψₛₛ⟩ 经光子探测后条件态为 |ψ꜀(τ)⟩ ∝ â|ψₛₛ⟩ + O(λ),显式展开为 |ψ꜀(τ)⟩ = |0,0⟩ + λ[ξ(τ)|1,0⟩ + θ(τ)|0,1⟩]。
  • ξ(τ) 与 θ(τ) 满足耦合微分方程:˙ξ = −(κ/2)ξ + θ + E/(2λ),˙θ = −(γ/2)θ − ξ;稳态值为 ξ(∞) = 1,θ(∞) = −r(r = 2Ω²/γ)。
  • 当 κ ≈ γ 时,解呈阻尼振荡形式 f(τ) = fₛₛ + e⁻⁽ᵏ⁺ᵞ⁾ᵀ⁄⁴[A_f cos(ωτ) + B_f sin(ωτ)],且 ξ 与 θ 振荡严格反相(A_ξ = −B_θ,A_θ = B_ξ)。
  • g⁽²⁾(τ) = |ξ(τ)|²,其初始值 ξ₀² < 1 直接体现反聚束(antibunching)这一非经典效应;若 N → ∞(谐振子极限),则 θ₀ → −r,原子极化无跳变,系统退化为不可纠缠的相干态,反聚束消失。
量子反馈控制
  • 反馈目标是冻结条件态,即令 ˙ξ = 0 且 ˙θ = 0,构造新稳态;可控参数为反馈时刻 Tₙ 与驱动强度 E′。
  • 由 ˙θ = 0 确定反馈时刻:Tₙ = (n + 1/2)π/ω(n = 0,1,2,…),对应原子极化幅值极值点。
  • 代入 ˙ξ = 0 解得 E′/E = ξ(Tₙ) = 1 + e⁻⁽ᵏ⁺ᵞ⁾⁽ⁿ⁺¹⁄²⁾π⁄⁽⁴ω⁾(θ₀ − θₛₛ),反馈幅度正比于光子探测引发的原子极化跳变,而该跳变源于原子-光场初始纠缠。
  • 若系统无纠缠(如纯谐振子),则探测不引起状态跳变,无法实施此类稳定化反馈;引入经典噪声亦不足以提供足够控制自由度来稳定混合态。
实验结果
  • 实验参数:(Ω, κ, γ)/(2π) ≈ (48.5, 9.8, 9.1) MHz,合作性 C ≈ 53,有效原子数 Nₑff ≈ 170;单原子合作性 C/N ≈ 0.3,确保可观测的量子态振荡。
  • 原子极化跳变幅度 ∼ √(2C/(2N)) ≈ 0.03,所需驱动强度调节仅约百分之几,但仍能成功冻结 g⁽²⁾(τ) 曲线(图6.3中灰框区域)。
  • 反馈环路总延迟 43 ns(受限于APD响应等),导致最早可施加反馈时刻为 T₄ ≈ 45 ns,此时振荡包络已衰减至初始值约25%;需采用高能物理专用高速电子学实现。

一般经典系统

符号与术语
  • 经典系统配置用向量 x = (x₁,…,xₙ) 表示,构成完备集(任一系统性质 o(x) 由 x 唯一确定,且各分量相互独立);配置空间为 ℝⁿ。
  • 不确定性下,观测者知识由概率密度函数 ℘(x̆) 描述(x̆ 为哑变量,x 为随机变量),满足归一化 ∫dⁿx̆ ℘(x̆) = 1 及期望值定义 E[o] = ∫dⁿx̆ ℘(x̆)o(x̆)。
  • 区别于工程惯例:此处“状态”指 ℘(x̆),而非配置向量 x;“被控对象(plant)”指 x 及其动力学,“系统(system)”则含被控对象与控制器整体。
Kushner–Stratonovich方程
  • 连续监测模型:测量结果 y(t)dt = ȳ(xₜ)dt + dv(t),其中 dv(t) 为维纳过程([dv]² = dt,E[dv] = 0,dv(t)dv(t′) = 0 for t ≠ t′)。
  • 条件概率密度演化由Kushner–Stratonovich方程描述:d℘(x̆|y) = dw(t)[ȳ(x̆) − E[ȳ(x)]]℘(x̆),其中创新过程 dw(t) = y(t)dt − E[y(t)dt] = dv(t) + [ȳ(xₜ) − E[ȳ(xₜ)]]dt 表征测量中不可预测部分。
  • 系统配置自身演化服从朗之万方程 dx = a(x)dt + b(x)dv;计入测量影响后,条件态SDE修正为含漂移项、扩散项及创新项的完整形式(式6.38)。
  • 无测量时,℘(x̆) 满足Fokker–Planck方程 d℘ = −∑ₖ∇ₖ[aₖ℘]dt + (1/2)∑ₖ,ₖ′∇ₖ∇ₖ′[Dₖ,ₖ′℘]dt,其中 D = ∑ₗ b⁽ˡ⁾[b⁽ˡ⁾]ᵀ 为半正定扩散矩阵。
  • 无条件演化(Fokker–Planck)对条件演化约束较弱:任意纯贝叶斯测量(无反作用)均可叠加;而量子情形中,无条件演化对条件演化施加强约束。
最优反馈控制
  • 控制向量 u(t) 由观测者实时调节,目标是最小化成本函数 j = E[I({u(t)}, {x(t)})],其中 u(t) 必须仅为历史输出 y(t′≤t) 与初始态 ℘(x̆;t₀) 的泛函(因果性约束)。
  • 若成本取积分形式 j = ∫ₜ₀ᵗ¹ E[h(x(t),u(t),t)]dt(时间可加性),则分离原理(separation principle)成立:最优反馈控制可分解为独立的最优估计(滤波)与确定性最优控制两步。
  • 此广义分离原理推广了传统LQG框架下的确定性等价(certainty equivalence)概念。### 线性经典系统

6.4.1 无条件动力学

  • 系统构型满足线性朗之万方程:dx = Axdt + Bu(t)dt + E dvp(t),其中A为漂移矩阵,B为输入矩阵,E为过程噪声增益矩阵,dvp为独立维纳过程向量。
  • 过程噪声统计特性:E[dvp] = 0,dvp(dvp)⊤ = I dt(I为n×n单位阵)。
  • 系统概率密度℘(x)满足多维Ornstein–Uhlenbeck方程(OUE):˙℘ = −∇·[A x + Bu(t)]℘ + (1/2)∇·D∇℘,其中扩散矩阵D = EE⊤。
  • 一阶矩(均值)与二阶中心矩(协方差V)演化满足:˙x̄ = A x̄ + Bu(t),˙V = AV + VA⊤ + D。
  • 若初始状态为高斯分布℘(x) = g(x; x̄, V),则系统状态始终保持高斯性,且矩演化由上述方程完全确定。
  • 无驱动时(u = 0),系统趋于稳态iff A严格稳定(即λₘₐₓ[A] < 0);此时稳态均值x̄ₛₛ = 0,协方差Vₛₛ满足李雅普诺夫方程AVₛₛ + VₛₛA⊤ + D = 0。

6.4.2 条件动力学

  • 测量流(输出)模型为y dt = Cx dt + dvm(t),其中C为观测矩阵,dvm为独立维纳测量噪声,满足E[dvm] = 0,dvm(dvm)⊤ = I dt。
  • 过程噪声dvp与测量噪声dvm可存在相关性,由交叉协方差矩阵Γ描述:E[dvp dvm⊤] = Γ dt;相容性要求D − ΓΓ⊤为半正定(PSD)。
  • 条件概率密度℘c(x)满足Kushner–Stratonovich方程,其高斯解对应条件均值x̄c与条件协方差Vc的演化:
    • d x̄c = [A x̄c + Bu(t)]dt + VcC⊤ dw,其中dw = y dt − C x̄c dt为创新过程;
    • ˙Vc = AVc + VcA⊤ + D − (VcC⊤ + Γ)(CVc + Γ⊤),该式为Riccati微分方程(非随机)。
  • 可检测性(detectability)定义:对A所有实部≥0的本征模xλ(即不稳定或临界稳定模),均有Cxλ ≠ 0;等价于(C, A)可检测 ⇔ (A⊤, C⊤)可镇定。
  • 可观性(observability)定义:对A所有本征模xλ(含严格稳定模),均有Cxλ ≠ 0;等价于(C, A)可观 ⇔ (A⊤, C⊤)可控。

6.4.3 镇定解

  • 即使无条件系统不稳定,Riccati方程˙Vc = …可能存在唯一稳定解Vˢˢᶜ(镇定解),满足代数Riccati方程(ARE):ÃVˢˢᶜ + VˢˢᶜÃ⊤ + ẼẼ⊤ − VˢˢᶜC⊤CVˢˢᶜ = 0,其中Ã = A − CΓ⊤,Ẽ满足ẼẼ⊤ = D − ΓΓ⊤。
  • 镇定解要求矩阵M = Ã − VˢˢᶜC⊤C严格稳定(λₘₐₓ[M] < 0),确保不同初值观测者在长时间后对x̄c达成一致。
  • 镇定解存在的充要条件:(C, Ã)可检测,且对Ã所有实部=0的本征模xλ,均有Ẽxλ ≠ 0(即临界稳定模中存在过程噪声)。
  • 镇定解W满足线性矩阵不等式(LMI):AW + WA⊤ + D ≥ 0,此条件强于直观的Vₛₛ − W ≥ 0,反映无条件动力学(A, D)而非仅稳态Vₛₛ约束可能的条件稳态。
  • 镇定解W对应条件协方差恒定,条件均值x̄c在长时间极限下服从OUP:d x̄c = M x̄c dt + F dw(F = CW⊤ + Γ),其稳态方差满足N(Vₛₛ − W) + (Vₛₛ − W)N⊤ + FF⊤ = 0(N = A − YBQ⁻¹B⊤)。

6.4.4 LQG最优反馈控制

  • LQG问题设定:线性系统动力学、线性输出映射、二次型代价函数h = x⊤Px + u⊤Qu + 2δ(t−t₁)x⊤P₁x(P, P₁ ⪰ 0,Q ≻ 0)、全高斯噪声(含初值)。
  • 确定性等价原理成立:最优控制律u(t) = −K(t) x̄c(t),其中K(t) = Q⁻¹B X(t),X(t)由逆时间Riccati方程dX/d(−t) = P + A⊤X + XA − XBQ⁻¹B⊤X及终值X(t₁) = P₁确定。
  • 渐近LQG问题中,若X方程存在唯一PSD稳态解Y,则K ≈ Q⁻¹B Y为常数,且Y需为镇定解(即N = A − YBQ⁻¹B⊤严格稳定)。
  • 最优控制器严格稳定的充分条件:(A, B)可镇定、(Ã, Ẽ)可镇定、(C, Ã)可检测、(P, A)可检测;若放弃最优性,仅需(A, B)可镇定且(C, A)可检测。
  • 平稳期代价率Ess[h] = tr[PVₛₛ] + tr[QK(Vₛₛ − W)K⊤] = tr[YBQ⁻¹B⊤YW] + tr[YD],显式依赖W与Y。
  • “可静化性”(pacifiability):当Q → 0时,要求F = CW⊤ + Γ的列空间包含于B的列空间(即rank[B] = rank[B F]),以确保条件均值波动被完全抑制(Vₛₛ = W)。

6.4.5 马尔可夫反馈

  • 马尔可夫反馈定义:控制输入u(t)仅为瞬时测量流y(t)的函数(通常取线性形式u = Ly),导致系统演化为马尔可夫过程。
  • 采用u = Ly后,系统构型满足dx = (A + BLC)x dt + BL dvm + E dvp,其漂移矩阵A̅ = A + BLC,扩散矩阵D̅ = D + BLL⊤B⊤ + BLΓ⊤ + ΓL⊤B⊤。
  • 马尔可夫反馈的实验例证:单电子谐振子反馈冷却([DOG03]),通过调节增益g优化电子有效温度Te = T(1−g) + g²Tg/(1−g),存在最小Te ≈ 2√(T Tg)。
  • 马尔可夫反馈与条件动力学的深层联系:若系统可静化(rank[B] = rank[B F])且存在镇定解W,则选择L = −B⁺F(B⁺为Moore–Penrose伪逆)可使条件均值方程退化为确定性d x̄c = M x̄c dt,从而实现V = Vc = W,性能等同于最优状态反馈。
  • 本质区别:马尔可夫反馈仅需系统构型x的朗之万方程描述;状态反馈需额外引入估计器状态x̄c,二者在不可静化系统中性能存在根本差异。### 6.5 一般量子系统

6.5.1 符号与术语

  • 量子系统配置 ( \hat{x} = (\hat{x}_1, \dots, \hat{x}_n) ) 由希尔伯特空间 ( \mathcal{H} ) 上的自伴线性算符表示,属于 ( D(\mathcal{H}) \subset L(\mathcal{H}) )。
  • 状态矩阵集合记为 ( S(\mathcal{H}) \subset D(\mathcal{H}) ),可观测量 ( \hat{x} ) 的概率分布定义为 ( \wp(\tilde{x}) = \operatorname{Tr}[\rho,\delta(\tilde{x} - \hat{x})] )。
  • 多维狄拉克δ函数 ( \delta^{(n)}(\tilde{x} - \hat{x}) ) 在量子力学中无法作为算符定义,因 ( \hat{x}_k ) 间不可对易。
  • 一般林德布拉德主方程写作 ( \dot{\rho} = -i[\hat{H}, \rho] + \mathcal{D}[\hat{c}]\rho ),其中 ( \hat{c} = (\hat{c}_1, \dots, \hat{c}L) ),( \mathcal{D}[\hat{c}] = \sum{l=1}^L \mathcal{D}[\hat{c}_l] ),普朗克常数 ( \hbar ) 显式保留以衔接经典极限。
  • 系统–环境耦合推广至 ( L ) 个独立热库,对应伊藤随机微分方程:( d\hat{U}(t,t_0) = -dt(\hat{c}^\dagger\hat{c}/2 + i\hat{H}) + (\hat{c}^\dagger d\hat{B}_z - d\hat{B}_z^\dagger \hat{c})\hat{U}(t,t_0) ),其中 ( d\hat{B}_z d\hat{B}_z^\dagger = I,dt )。

6.5.2 贝拉夫金方程

  • 贝拉夫金方程是扩散型 unravelling 对应的随机主方程,即量子版 Kushner–Stratonovich 方程。
  • 最一般形式为 ( d\rho_c = dt,\mathcal{D}[\hat{c}]\rho_c + \mathcal{H}[-i\hat{H},dt + dz^\dagger(t)\hat{c}]\rho_c ),其中 ( dz = (dz_1,\dots,dz_L) ) 是复维纳增量,( \mathcal{H} ) 为非线性超算符。
  • 创新向量 ( dz ) 满足 ( \mathbb{E}[dz] = 0 ),相关性为 ( dz,dz^\dagger = \eta,dt )、( dz,dz = \Upsilon,dt ),其中 ( \eta = \operatorname{diag}(\eta_1,\dots,\eta_L) ) 表示第 ( l ) 通道监测效率(( \eta_l \in [0,1] ))。
  • unravelling 矩阵定义为 ( U = U(\eta,\Upsilon) \equiv \frac{1}{2} \begin{bmatrix} \eta + \operatorname{Re}[\Upsilon] & \operatorname{Im}[\Upsilon] \ \operatorname{Im}[\Upsilon] & \eta - \operatorname{Re}[\Upsilon] \end{bmatrix} ),要求 ( U \succeq 0 )(半正定)。
  • 输出电流向量为 ( J,dt = \hat{c}^\dagger \eta + \hat{c} \Upsilon + dz ),海森堡绘景下输出算符含辅助湮灭算符 ( d\hat{A}, d\hat{V} )(作用于真空态辅助热库)。

6.5.3 最优反馈控制

  • 量子最优反馈控制沿用经典分离原理:最优控制律为状态依赖型,即 ( u_{\text{opt}} = \mathcal{U}(\rho_c(t), t) )。
  • 成本函数在薛定谔绘景中为 ( J = \int_{t_0}^{t_1} \mathbb{E}{\operatorname{Tr}[\rho_c(t),h(\hat{x},u,t)]},dt ),在海森堡绘景中为 ( J = \int_{t_0}^{t_1} \langle h(\hat{x},\hat{u},t) \rangle,dt )。
  • 反馈信号 ( \hat{u}(t) ) 通过反馈哈密顿量实现:( \hat{H}_{\text{fb}}(t) = \hat{F}(u(t),t) )。
  • 贝拉夫金最早提出量子分离原理,并发展出量子贝尔曼方程。

6.6 线性量子系统

6.6.1 量子相空间

  • 线性动力学需无界谱可观测量,如位置 ( \hat{q} ) 和动量 ( \hat{p} ),满足正则对易关系 ( [\hat{p}_m, \hat{q}_m] = -i\hbar )。
  • 完整可观测量集为 ( \hat{x} = (\hat{q}_1,\hat{p}_1,\dots,\hat{q}N,\hat{p}N) ),其对易关系可写为 ( [\hat{x}m,\hat{x}{m’}] = i\hbar,\Omega{mm’} ),其中辛矩阵 ( \Omega ) 为块对角形式 ( \bigoplus{k=1}^N \begin{bmatrix} 0 & 1 \ -1 & 0 \end{bmatrix} ),满足 ( \Omega^{-1} = \Omega^\top = -\Omega )。
  • 薛定谔–海森堡不确定性关系为线性矩阵不等式(LMI):( V + i\hbar\Omega/2 \succeq 0 ),其中协方差矩阵 ( V_{mm’} = \frac{1}{2}\langle \hat{x}m \hat{x}{m’} + \hat{x}_{m’} \hat{x}_m \rangle )。
  • 量子态可用维格纳函数 ( W(\tilde{x}) ) 表示,其为伪概率分布;高斯态对应高斯维格纳函数,此时不确定性关系既是必要也是充分条件。
  • 真空态是高斯态;纯态纯度 ( p = \operatorname{Tr}[\rho^2] = (2\pi)^N \int d^{2N}\tilde{x},[W(\tilde{x})]^2 ),对高斯态有 ( p = \det[V]/(\hbar/2)^{2N} )。

6.6.2 线性无条件动力学

  • 系统配置满足线性量子郎之万方程:( d\hat{x} = A\hat{x},dt + B u(t),dt + E,d\hat{v}p(t) ),其中 ( A = \Omega(G + \operatorname{Im}[\tilde{C}^\dagger \tilde{C}]) ),( E,d\hat{v}p = [-i,d\hat{B}{\text{in}}^\dagger \tilde{C}\Omega + i,d\hat{B}{\text{in}} \tilde{C}^*\Omega] )。
  • 哈密顿量取二次型 ( \hat{H} = \frac{1}{2}\hat{x}^\top G \hat{x} - \hat{x}^\top \Omega B u(t) ),耗散算符线性化为 ( \hat{c} = \tilde{C}\hat{x} )。
  • 扩散矩阵 ( D = \Omega \operatorname{Re}[\tilde{C}^\dagger \tilde{C}]\Omega ),引入实矩阵 ( \bar{C} = (\operatorname{Re}[\tilde{C}], \operatorname{Im}[\tilde{C}]) ) 后可重写为 ( D = \Omega \bar{C} S \bar{C}^\top \Omega ),其中 ( S = \begin{bmatrix} 0 & I \ -I & 0 \end{bmatrix} )。
  • 广义涨落–耗散关系为 LMI:( D - \frac{i\hbar}{2}(A\Omega - \Omega A) \succeq 0 ),此为量子演化受幺正性约束的体现。
  • 可控性定义为:线性量子系统可控当且仅当由 ( {\hat{H}_0,\hat{H}_1,\dots} ) 生成的李代数包含完备可观测量集;强意义下的“算符可控性”要求该李代数等于全体自伴算符集 ( D(\mathcal{H}) )。

6.6.3 线性条件动力学

  • 条件化基于测量结果 ( \hat{y},dt = C\hat{x},dt + d\hat{v}_m(t) ),其中 ( C = 2T\bar{C}/\hbar ),( T ) 满足 ( TT^\top = U )(( U ) 为 unravelling 矩阵),( d\hat{v}_m ) 满足 ( \mathbb{E}[d\hat{v}_m d\hat{v}_m^\top] = I,dt )、( \mathbb{E}[d\hat{v}_p d\hat{v}_m^\top] = \Lambda,dt ),且 ( \Lambda = -T S \bar{C}\Omega )。
  • 条件化态为高斯态,均值与协方差满足卡尔曼滤波方程;可导出量子版 Kushner–Stratonovich 方程。
  • 涨落–观测关系为 LMI:( \tilde{E}\tilde{E}^\top - \frac{\hbar^2}{4}\Omega C^\top C \Omega \succeq 0 ),表明观测某变量会诱导其共轭变量涨落以维持不确定性原理。
  • 可检测性与可观测性定义类比经典,但量子情形存在“潜在可检测性”:系统潜在可检测当且仅当 ( (\Omega D \Omega^\top, A) ) 可检测;且若 ( (C,\tilde{A}) ) 可检测,则 ( (-\tilde{A},\tilde{E}) ) 可镇定。
  • 非耗散情形下可观测性可李代数化:系统可观测当且仅当由 ( {\hat{H}_0, \hat{o}_1, \dots} )(其中 ( \hat{o}_l = e_l^\top C \hat{x} ))生成的李代数包含完备可观测量集。

6.6.4 稳定化解

  • Riccati 方程 ( \dot{V}_c = \tilde{A}V_c + V_c\tilde{A}^\top + \tilde{E}\tilde{E}^\top - V_c C^\top C V_c ) 的稳态解 ( W_U ) 若使 ( M = \tilde{A} - W_U C^\top C ) 严格稳定,则称为稳定化解。
  • 量子情形下,只要 ( (C,A) ) 可检测,即保证存在稳定化解(条件弱于经典);潜在可检测时,稳定 unravelling 构成稠密集。
  • 稳态条件协方差矩阵 ( W_U ) 必须同时满足:( A W_U + W_U A^\top + D \succeq 0 )(经典限制)与 ( W_U + i\hbar\Omega/2 \succeq 0 )(量子不确定性限制)。
  • 若 ( W_U ) 对应纯态(即 ( \det[W_U] = (\hbar/2)^{2N} )),且满足第一不等式,则必为某监测方案的物理可实现稳态协方差。
  • 给定 ( W_U ),可通过求解线性矩阵方程 ( R U R^\top = D + A W_U + W_U A^\top )(其中 ( R = 2\bar{C}W_U/\hbar + S \bar{C}\Omega ))反推 unravelling 矩阵 ( U )。
  • 示例(阈值参量振荡器 OPO):系统无无条件稳态,但长时极限协方差发散;纯态 ( W_U ) 需同时满足两个 LMI,否则无法物理实现(如图 6.7–6.8 所示)。

6.6.5 LQG 最优反馈控制

  • 二次型成本函数 ( J = \int \mathbb{E}{\operatorname{Tr}[\rho_c(t),h(\hat{x},u,t)]},dt )(其中 ( h ) 为 ( \hat{x},u ) 的二次函数)的最优解与经典 LQG 完全一致。
  • 量子新特征:测量强度 ( \kappa ) 增大时,经典情形成本单调下降,但量子情形因测量反作用贡献额外扩散项 ( \frac{\hbar^2 \kappa}{4}\Omega C_1^\top C_1 \Omega ),导致成本可能先降后升,存在最优 ( \kappa )。
  • 示例(谐振子):位置测量下,( W = \frac{\hbar}{4\kappa} \begin{bmatrix} 2\nu & \sqrt{2}\nu \ \sqrt{2}\nu & \nu(1+\nu) \end{bmatrix} )(( \nu = \sqrt{1+4\kappa^2}-1 )),对应纯态;能量最小化反馈下,最优 ( \kappa \to 0 )(但需非零以实现镇定)。
  • “可平息性”再探:( \kappa \to 0 ) 极限下,通过旋转波近似可得有效可平息系统,此时 ( W = (\hbar/2)I )。

6.6.6 最优 unravelling

  • 给定固定测量强度,最优 unravelling 选择问题在经典中无意义,但在量子中至关重要,因不同 ( U ) 导致不同 ( W_U ) 与控制成本。
  • 渐近 LQG 成本 ( m = \operatorname{tr}[Y B Q^{-1} B^\top Y W_U] + \operatorname{tr}[Y D] ) 的最小化等价于在 LMI 约束 ( W_U + i\hbar\Omega/2 \succeq 0 ) 与 ( A W_U + W_U A^\top + D \succeq 0 ) 下优化线性目标函数,属半定规划(SDP)问题。
  • 最优解必为纯态协方差(因混合态增大目标函数),故可设不确定性关系取等。
  • 示例(阈值 OPO):目标最小化 ( \langle (\hat{q}-\hat{p})^2 \rangle ),即成本矩阵 ( P = \begin{bmatrix} 1 & -1 \ -1 & 1 \end{bmatrix} );数值求解得最优 ( \beta \approx 0.248 )、( \gamma = (1-\beta^2)/2 ),对应 homodyne 相位 ( \theta \approx 0.278\pi )(非直觉的 ( \pi/4 )),凸显问题非平凡性。

6.6.7 马尔可夫反馈

  • 在存在稳定化解、无控制代价、系统可平息、仅关注稳态性能条件下,最优马尔可夫反馈与状态反馈等效。
  • 反馈哈密顿量为 ( \hat{H}_{\text{fb}}(t) = \hat{f} \hat{y}(t) ),其中 ( \hat{f} = -\hat{x}^\top \Omega B L / \hbar );闭环主方程为 Lindblad 形式:( \dot{\rho} = -i[\hat{H},\rho] + \mathcal{D}[\hat{c}]\rho + \mathcal{D}[\hat{f}]\rho + \text{干涉项} )。
  • 对线性系统,该主方程可转化为维格纳函数的 OUE,或直接在海森堡绘景计算,结果与经典完全一致。
  • 最优 unravelling 仍由 SDP 求解:最小化 ( m = \operatorname{tr}[P W_U] ) 并满足两个 LMI;反馈修正漂移矩阵为 ( M = A - W_U C^\top C - \Lambda )。
  • 示例中,最优 ( U ) 对应 ( M \approx \begin{bmatrix} -1.29 & -1.53 \ 0.32 & -1.62 \end{bmatrix} ),严格稳定;但实际中若 ( B ) 行秩不足(如仅能控制动量),则马尔可夫反馈性能受限。### 进一步阅读

6.7.1 LQG量子反馈的近似方法

  • LQG控制理论是线性系统的理想化模型,实际系统多为非线性。
  • 非线性系统的最优控制需使用完整的非线性滤波方程(经典为Kushner–Stratonovich方程与Bellman方程,量子对应形式),但实时求解困难。
  • 实用次优策略:在相空间平均构型附近对系统线性化,应用LQG控制,并周期性更新平均向量与协方差矩阵,重新线性化。
  • 该方法在“真实条件态近似保持高斯分布”前提下效果良好;Doherty等理论上验证其可实现双势阱中量子粒子的单势阱定域控制。
  • 在振荡器反馈冷却中:高频系统(满足旋波近似)适用马尔可夫反馈;低频系统(反馈阻尼率≈ω)须采用基于状态的LQG控制。
  • Hopkins等建立了纳米机械谐振子简化LQG反馈冷却理论,后续实验(LBCS04)表明该方案具备可实现性。
  • Steck等分析驻波中原子的反馈冷却:系统本质非线性,采用线性化推导平均向量与协方差演化,但反馈信号同时依赖平均值与协方差(区别于标准LQG仅依赖平均值),最终实现原子冷却至距基态仅一个声子能量。

6.7.2 有限维系统中的基于状态的量子反馈控制

  • Korotkov等人在固态体系(如超导或半导体量子比特)中研究基于状态的反馈:通过比较测量推断的量子比特相位与目标Rabi振荡所需相位,动态调节哈密顿量以减小偏差,从而在环境噪声下近乎无限维持Rabi振荡。
  • 提出更可行的替代算法(Kor05):无需显式计算条件态,仅对观测电流经简单电路滤波后直接反馈,更接近第5章的电流型反馈。
  • 原子两能级系统中:假设测量记录来自原子自发辐射;早期马尔可夫反馈(HHM98等)可稳定任意纯态(高效探测下),但布洛赫球赤道态会导致稳态完全混合态。
  • 基于状态的反馈(WMW02)可克服该缺陷;且被严格证明(不依赖数值模拟)在探测效率不足或退相干等实际缺陷下优于马尔可夫反馈。
  • 确定性Dicke态制备:马尔可夫反馈理论上可逼近海森堡极限的自旋压缩(TMW02b),但其线性近似(围绕平均自旋矢量展开、正交分量视为连续变量)在海森堡极限下失效——尤其当系统坍缩至Jz=0的Dicke态(对应布洛赫球赤道环,平均自旋为零)时最为严重。
  • 无反馈时,QND测量虽终将坍缩至某Dicke态,但结果不可预测、不可控;Stockton等通过随机模拟证实,基于状态的反馈可在长时间极限下确定性制备Jz=0的Dicke态。#### 超越基于状态的控制
  • 非时间可加型代价函数:突破传统时间积分形式(式6.44),适用于风险敏感控制等场景。
  • 风险敏感控制特点:容忍小幅偏离目标,严控大幅偏离;对系统动力学模型误差更具鲁棒性。
  • 最优控制律依赖非标准状态:℘c(˘x;t) 不足以确定最优控制;需引入经不同条件化处理的状态(如归一化概率分布),该状态并非系统属性的最优预测器。
  • 指数型时间积分代价函数:典型风险敏感形式,导出上述非标准状态。
  • 量子风险敏感控制(James, 2004/2005):定义量子代价算符 ˆR(T),由微分方程 dˆR/dt = µˆC(t)ˆR(t) 及初值 ˆR(0)=ˆ1 确定;ˆC(t) = ∫₀ᵗ ˆh(s)ds,ˆh(s) 为时刻 s 的可观测量函数;µ > 0 为风险参数。
  • 风险中性极限:当 µ→0 时,[ˆR(T)−ˆ1]/µ → ˆC(T),退化为常规风险中性控制问题。
  • 量子LEQG(线性指数二次高斯控制):类比经典LEQG,系统具线性动力学与高斯噪声;代价函数为二次型时间积分的指数形式;在James框架下,令ˆh(s)取系统可观测量与控制变量(亦为可观测量)的二次函数即可实现。
  • LEQG的实用性优势:因线性化仅为真实动力学的近似,风险敏感机制抑制大幅偏离,从而将系统约束于线性近似有效的区域,保障控制有效性。
  • 鲁棒估计器方法(Yamamoto, 2006):针对量子LQG中矩阵A、C存在有界不确定性的情形,设计非最优但保证估计误差均方值有界的线性滤波器。
  • 鲁棒观测器反馈的稳定性:基于该鲁棒观测器的线性反馈,在标准风险中性LQG与风险敏感LEQG均失稳的情形下仍可保持系统稳定。
  • 动力学参数不确定性建模为概率分布:参数先验知识与系统状态知识同步、联合更新;系统状态与参数认知的耦合导致不同量子轨迹(unravellings)下呈现丰富行为。
  • 典型验证案例(GW01):共振荧光系统中拉比频率不确定,研究其认知演化与轨迹依赖行为。

**