低于标准量子极限的无资源消耗量子哈密顿量学习

精确且资源高效的量子哈密顿量估计对开发实用量子技术至关重要,但现有方法通常需要纠缠资源或动态控制。该研究团队展示了一种无需纠缠资源、相干测量或动态控制即可突破标准量子极限的新方法。该方法基于轨迹哈密顿量学习框架,通过对探测态实施局部随机预处理,并采用最大似然估计优化安排的泡利测量。理论分析表明,该流程在短时探测中会自发形成瞬态海森堡极限机制。此外,该工作提出了利用探测态系综并行估计所有哈密顿参数的方案,无需参数隔离和结构先验知识。最后,研究人员通过数值研究验证了该方法在多种复杂模型中的有效性:包括具有近邻/次近邻相互作用的自旋1/2粒子一维链中的无序各向异性海森堡模型,以及无能隙XXZ哈密顿量。数值模拟证实该方法每个泡利测量仅需单次采样,具有显著实验优势。相关代码已开源发布。

量科快讯