量子科技中心_量科网

精确的量子处理器模型对于理解、校准和提升其性能至关重要。实践中，模型构建必须在物理细节与可靠学习参数所需的实验和计算工作量之间取得平衡。因此，简洁的描述往往依赖于对哪些相互作用、噪声过程或隐藏自由度是相关的假设。在此，该工作引入LIMINAL，一个用于检验此类假设并选择最小充分林德布拉德模型的数据驱动框架。LIMINAL将嵌套候选模型拟合到时间分辨断层扫描数据，并使用似然比检验来判断何时需要增加物理机制。该团队将LIMINAL应用于一个五量子比特超导处理器，识别出一个包含三局域哈密顿项和两局域耗散的闲置模型，同时发现没有证据支持三局域耗散。该工作进一步将其应用于恢复驱动单量子比特哈密顿量，在不假设解析脉冲模型的情况下重构整形脉冲哈密顿量，并测试耦合器介导动力学中的隐藏量子比特扩展，证明了该框架在广泛任务中的适用性。