海森堡极限下的哈密顿学习:通过工程化耗散实现连续变量系统的研究

在许多学习任务中,离散变量与连续变量往往需要采用不同的处理方法。识别支配量子系统演化的哈密顿量是量子学习理论中的一项基础性任务。尽管先前研究主要聚焦于量子自旋系统(其量子态可视为离散比特串的叠加态),但对于连续变量量子系统的哈密顿量学习,目前认知仍相对有限。该工作重点关注玻色子量子系统(一种典型的连续变量量子系统)的哈密顿量学习。此学习任务涉及无限维希尔伯特空间及无界算子,使得数学上的严格处理极具挑战性。研究人员提出了一种分析框架来研究此类系统中强耗散效应,从而实现对通过工程耗散实现猫态量子比特稳定的严格分析。该框架还支持开发海森堡极限算法,用以学习具有产生湮灭算符高阶项的通用玻色子哈密顿量。值得注意的是,该方案的总体哈密顿演化时间仅与模式数量呈对数关系,与重建系数精度呈反比关系。在理论层面,该团队推导出适用于无界生成元的一般Lindblad演化的新型定量绝热近似估计。最后,研究人员探讨了可能的实验实施方案。

量科快讯