在量子控制中，对系统参数或驱动场特性的不确定性的鲁棒性至关重要，已经从理论、数值和实验上进行了研究。在本文中，我们测试了随机搜索过程（随机梯度下降和Adam算法），该过程在每次迭代时都从参数不确定性的分布中取样，而不是使用固定网格的先前方法。我们表明，这两种算法相对于基准都表现良好，并讨论了它们的相对优点。此外，该方法允许解决高维参数的不确定性问题；我们用数值方法实现了三维和六维情况，并取得了良好的结果。
1更多内政部：https://doi.org/10.103/PhysRevA.100.053403
量子信息、科学与技术原子、分子和光学粒子和场
