描述开放系统的动力学对于容错量子计算至关重要。在马尔可夫假设下,研究人员可以通过林德布拉德算符来刻画耗散动力学。利用贝尔采样,该团队提出了一种高效且无需预设假设的林德布拉德学习算法,该算法具有多项式时间的经典后处理能力。考虑到近端设备上状态制备与测量噪声的普遍存在,研究人员还首次引入了一种高效的抗SPAM协议,能够在恒定阶SPAM误差下,以任意精度学习稀疏林德布拉德算符中与规范无关的分量。在此过程中,该工作首次严格刻画了噪声林德布拉德学习中的规范自由度,精确识别了在SPAM噪声下哪些分量仍然可以被学习。