量子科技中心_量科网

在开放量子系统中，量子信息、统计物理学与多体动力学交叉领域的一个核心问题是：仅凭有限时间测量数据，我们能在多大程度上准确推断噪声与耗散生成元的结构？受此问题启发，该研究团队系统研究了由Lindblad-Gorini-Kossakowski-Sudarshan（GKSL）主方程生成的随机开放系统动力学的可学习性及其密码学应用。研究通过在GKSL锥的仿射包络内工作，采用围绕参考生成元的线性参数化方法，构建了具有物理意义的随机局域Lindbladians系综。基于此几何结构，研究人员将统计查询（SQ）与量子过程统计查询（QPStat）框架扩展至开放系统场景，并证明学习随机Lindbladian动力学所需查询次数存在关于参数维度M的指数级下界。特别地，该工作确立了总变差距离下输出分布学习的平均情形SQ困难性，以及钻石范数下Lindbladian信道学习的平均情形QPStat困难性。为提供物理解释，研究人员推导了系综平均总变差距离的线性响应表达式，并在随机局域振幅阻尼链中验证了所需的非零标度行为。最后，该团队基于具有分布级验证和层析验证的随机Lindbladian系综，设计了两类Lindbladian物理不可克隆函数（Lindbladian-PUF）协议，从而为“学习困难性可转化为密码学安全保证”这一命题提供了开放量子系统的具体范例。