影子工程量子过程
刻画量子过程对于硬件基准测试、误差诊断和算法验证至关重要。尽管近期工作[PRX QUANTUM **4**, 040337 (2023)]将经典阴影从量子态推广至量子过程，实现了对单通道 \(\mathcal{E}\) 属性的高效预测，但其在复合过程 \(f(\mathcal{E}_1, \mathcal{E}_2,\cdots, \mathcal{E}_k)\) 中的适用性仍未得到探索。该团队引入了阴影工程这一框架，将过程的经典阴影编码为稀疏传递矩阵，以预测 \(f(\mathcal{E}_1, \mathcal{E}_2,\cdots, \mathcal{E}_k)\) 的属性，并证明了多项式样本复杂度，其效率与单通道方法相当，同时指数级低于量子过程层析。关键在于，该方法无需物理执行 \(f(\mathcal{E}_1, \mathcal{E}_2,\cdots, \mathcal{E}_k)\)，即可重复利用现有的 \(\mathcal{E}_m\)-阴影数据，从而在极小的硬件开销下实现灵活的量子过程刻画。研究人员在超导量子处理器上展示了该框架在典型应用（如误差缓解和哈密顿动力学模拟）中的有效性和实用性。该框架无需物理重新执行即可预测复杂量子行为，为近期的设备校准和量子模拟提供了直接应用，解锁了新的能力。
