量子反馈控制包括量子学习控制、量子测量反馈控制和量子相干反馈控制。

需要对大量的样本序列进行操作，对每个样本施加不同的控制脉冲，然后根据测量输出选取合适的学习算法更新控制脉冲序列，再将新的控制脉冲施加到新的样本上，重复上述操作直至性能指标不再显著改变为止，此时就找到了最优的控制波形。量子学习控制的关键是设计合适的学习控制算法。常用算法有梯度算法、遗传算法、线性映射算法和非线性映射算法等。如果要求被控的每个样本都满足好的性质，此时就不能采用量子学习控制，而需要采用量子测量反馈控制和量子相干反馈控制。

与经典的测量反馈控制类似，都是先对量子系统进行测量获取信息，然后根据信息设计反馈对量子系统进行控制。然而，与经典的测量反馈控制不同的是，量子测量在获取量子信息的同时会导致量子态的随机坍缩，从而引入新的不确定性。

将控制量子系统与被控量子系统相干耦合在一起，实现信息的交互与控制，其间没有真正的量子测量，但是考虑到量子系统的物理可实现性，仍有可能引入额外的量子噪声。