量子科技中心_量科网

开放量子动力学系统中哈密顿量及其他组分的表征在量子计算及其他应用中具有关键作用。科学机器学习技术已通过多种方式应用于该问题，包括利用深度神经网络建模。然而，大多数描述开放量子系统的数学模型都是线性的，且可学习模型中固有的非线性尚未结合物理原理进行整合。该研究团队提出了一种面向开放量子系统的数据驱动模型，该模型包含可学习且符合热力学规律的组件。经过训练的模型具有可解释性，因其能直接估计系统哈密顿量及与环境耦合的线性部分。该工作基于合成的二能级与三能级数据，以及劳伦斯利弗莫尔国家实验室量子设备采集的实验性二能级数据对模型进行了验证。