量子科技中心_量科网

区分多时间量子过程是诊断、基准测试和学习时间相关量子动力学的基础任务。区分两个过程的标准基准是策略范数距离，该距离优化了任意自适应探测策略，但可能需要大量相干存储器和时变控制。该团队引入了自主区分机器（$\mathsf{MAD}$）：一种在每个时间步应用相同量子仪器、保留完整经典结果记录并携带维度为 $d_A$ 的相干存储器的探测策略。对这些策略进行优化，定义了一个内存参数化的可区分性度量 $d^{(N)}_{\mathsf{MAD}}(\mathbf{P}^N,\mathbf{Q}^N;d_A)$。研究表明，所得层次结构在相干存储器上是单调的，并在有限时间内完备。具体而言，任何可行的 $N$ 步探测策略都可以编译成一个带有内部计数器和足够大相干存储器的单一 $\mathsf{MAD}$，因此该层次结构饱和了策略范数基准。对于由重复系统-环境相互作用产生的循环过程，该工作推导出单步描述，将新区分信息的生成与早期生成信息的传播和衰减分离开来。在重复交互模型中的数值结果表明，增大相干存储器系统性地提高了 $\mathsf{MAD}$ 的成功概率，缩小了与策略范数距离的差距，同时保持可计算性显著简化。因此，$\mathsf{MAD}$ 可区分性提供了一个可操作且可扩展的框架，用于量化在真正多时间量子过程中可以学到什么。