近日，beat365官方网站入口张伟伟副教授团队在人工智能辅助的量子纠错码态制备方面取得重要进展。研究团队基于强化学习和Floquet工程，实现对量子系统的噪声自适应的实时控制， 量子玻色码态制备所需时间降低两个数量级。相关研究成果以“Autonomous Floquet engineering of bosonic codes via reinforcement learning”为题，发表于Nature子刊《Communications Physics》（《通讯·物理》）。

玻色编码为连续变量系统中的量子纠错提供了一条极具前景的途径，并与电路量子电动力学（circuit QED）和光力学等实验平台密切相关。然而，这类编码的制备与稳定化极具挑战性，通常需要对量子门操作进行精确的主动控制。近期，多个研究团队提出了一种基于Floquet工程的被动式方案。但该方法依赖于绝热演化过程，不仅需要极长的演化时间，而且噪声容忍度较差。

团队提出了一种基于强化学习和Floquet工程的框架，实现量子系统中玻色码态制备所需控制波形的自主设计，从而获得了一种通用、高效且具备噪声鲁棒性的方案。该方法将玻色码态的制备所需时间缩短了两个数量级以上——仅需传统绝热方案所需时间的约1%——同时即便在较强的耗散和退相干噪声环境下，仍能保持高保真度的态制备。该方法为容错玻色量子计算中的量子控制开辟了一条可扩展且在实验上可行的路径（结合了机器学习与Floquet工程），并为利用机器学习抑制量子技术中的退相干提供了一个通用框架。

beat365官方网站入口为论文第一署名单位，计算机学院博士研究生吴哲平为第一作者，张伟伟副教授为通讯作者。论文合作者为国防科技大学理学院郭领阵教授以及计算机学院史豪斌教授。该研究得到国家自然科学基金面上项目资助。

论文链接：https://www.nature.com/articles/s42005-026-02875-2

（审稿：史豪斌）