量子科技中心_量科网

强关联系统中量子相的表征是实现量子传感器的关键里程碑。该工作提出了一种物理信息驱动的变分量子分类器(VQC)，用于探测费米极化子准粒子与分子束缚态之间的拓扑相变。与传统的机器学习方法不同，该团队的量子架构通过有效哈密顿量的特罗特化时间演化构建，确保可学习参数对应可解释的物理量。该团队证明，VQC能高效发现最优干涉测量协议，具体而言是最大化拉姆齐条纹可见性所需的演化时间与有效浴相互作用，从而清晰区分玻色-爱因斯坦凝聚(BEC)与巴丁-库珀-施里弗(BCS)区域。此外，该团队报告了在QRed超导量子处理器(BSC-CNS)上对该分类器的验证。尽管存在硬件固有噪声与退相干，VQC仍能保持拓扑相的相对排序。该团队证明，物理信息驱动架构实现了线性门复杂度 𝒪(N)，规避了经典模拟的指数级内存瓶颈，并确保向多体区域的可扩展性。