量子科技中心_量科网

量子可观测量（observables）的实时动力学行为可直接反映量子多体系统中的激发谱和关联函数，但由于退相干效应，现有量子设备仅能实现短时演化。该研究团队提出了一种结合物理驱动设计的神经常微分方程（Neural ODE）框架，通过短时测量数据重构算子的长时间动力学行为。该方法通过将可观测量展开为泡利基，并利用局域性与对称性约束，将算子演化简化为可处理的系数集合——这些系数的动力学特征通过数据学习获得。在横场伊辛模型中的测试表明，该方法能精确外推长时间行为，并从含噪短时信号中解析出激发谱。该工作展示了一种可扩展且数据高效的新策略，可从实用化量子硬件中提取动力学与谱信息。