量子科技中心_量科网

谱密度函数量化了环境模式与量子系统的耦合程度，并主导其开放量子动力学。从时域测量数据中推断这类频率相关函数是一个病态逆问题。本研究利用具有纯退相位和振幅阻尼通道的可精确求解的自旋-玻色模型，从含噪模拟数据中重建谱密度函数。首先，该团队提出基于机器学习回归器的参数估计方法，用于推断洛伦兹型和类欧姆谱密度参数，并量化其对噪声的鲁棒性。其次，研究表明余弦变换反演可得到物理一致的谱先验估计，再通过约束神经网络进行优化，强制保证正定性和正确的渐近行为。该神经网络框架通过滤波模拟噪声信号和学习通用函数依赖关系，实现了对结构化谱密度的鲁棒重建。