量子科技中心_量科网

从测量数据中推断多体量子系统的动力学生成元，对于量子处理器的验证、校准和控制至关重要。当系统处于开放状态时，这项任务比纯粹的幺正情形要困难得多，因为相干机制和耗散机制可能产生相似的测量统计量，而长时间数据对相干耦合可能不敏感。本研究通过利用瞬态动力学更丰富的信息内容，采用最大似然法处理多组实验友好的瞬态时间点上的泡利测量，解决了这一被称为“林德布拉德学习问题”的开放系统表征难题。为了应对由此产生的非凸似然损失景观，该团队在物理模型中增加了神经微分方程项（该附加项在训练过程中会逐步移除），从而蒸馏出可解释的林德布拉德解。该方法成功学习了中性原子（具有二维连接性）和超导哈密顿量体系，以及自旋1/2链上的海森堡XYZ模型和PXP模型的开放系统动力学。对于耗散部分，研究证明了该方法对相位噪声、热噪声及其组合的鲁棒性。该算法能在跨越四个数量级的信噪比范围内，以少于5×10^5次测量的条件，稳健地推断出多达N=6个量子比特系统的耗散特性。