量子科技中心_量科网

确定量子系统的哈密顿量对于理解其动力学和验证其行为至关重要。哈密顿量学习提供了一种数据驱动的方法，通过测量演化系统的状态来重构其动力学生成元。该技术在量子硬件（如量子计算机和模拟器）的基准测试与性能表征方面尤为重要。然而，随着设备规模和复杂度的增加，这一任务变得更具挑战性。为此，该研究团队提出了一种可扩展且实验友好的哈密顿量学习方案，适用于由局域相互作用构成的哈密顿量算子。该方法利用量子芝诺效应作为动力学局域化工具，随后通过量子过程层析技术来学习作用于选定量子比特的哈密顿量局部子集系数。与现有方案不同，该方案无需复杂量子态制备过程，仅需采用实验可行的、能保持量子相干性的操作。研究人员不仅推导了理论性能保证，还通过数值模拟和在IBM超导量子硬件上的实验验证，成功实现了109量子位哈密顿量系数的标定，证实了该协议的可行性。