量子科技中心_量科网

哈密顿量学习是提升精确多体模拟、优化量子器件性能及实现量子增强传感的基石。现有可快速部署的量子计量技术主要聚焦于单/双量子比特系统中实现海森堡极限精度，而通用哈密顿量学习理论虽能处理更广泛的未知哈密顿模型，却因缺乏先验知识导致效率低下。目前仍缺少能直接利用哈密顿量已知结构与先验信息（通常可从特定量子计算平台获取）的高效实用化学习算法。本工作首次提出兼具克拉默-拉奥下界饱和最优精度、抗现实噪声特性，并能通过器件结构实现全连接哈密顿量实验成本二次降低的算法。该方案可在同一实验中无需解耦不可学习相互作用的情况下，同步原位估计所有哈密顿参数，从而全面表征系统内禀上下文误差。值得注意的是，该算法无需深电路且对退极化噪声与时间相关相干误差均保持稳健。研究人员基于里德堡原子量子模拟器设计了详细实验方案并辅以数值模拟论证其有效性，展示了其在NISQ时代实现高精度哈密顿量学习的潜力。