量子科技中心_量科网

该研究团队提出了一种基于机器学习的方法，用于表征影响开放量子系统动力学的环境特性。研究聚焦于精确可解的旋量玻色子模型，其中系统-环境相互作用的强度通过谱密度函数编码，并引发纯退相干效应。通过使用经系统可观测量傅里叶变换时间演化数据训练的人工神经网络，该工作实现了双重功能：分类（区分亚欧姆、欧姆和超欧姆型谱密度）与回归（当谱密度函数以幂律形式表达时估算其关键参数）。研究结果表明该方法具有高精度分类能力和稳健的参数估计性能，彰显了机器学习作为探测量子系统环境特征强大工具的潜力，有望推动量子噪声谱学的发展。