Rigorous Time-dependent Hamiltonian Learning via Continuous Weak Measurements

Technische Samenvatting: Rigoureuze tijdafhankelijke Hamiltoniaan-lering via continue zwakke metingen

Probleemstelling
Het karakteriseren van de Hamiltoniaan die door kwantumprocessors wordt geïmplementeerd, is essentieel voor kalibratie en validatie. Hoewel Hamiltoniaan-leringsprotocollen (HL) bestaan voor statische systemen, werken veel hardware-relevante apparaten met expliciet tijdafhankelijke generatoren (bijv. gevormde controlepulsen, instelbare koppelingsmechanismen en Floquet-engineering). Bestaande methoden voor tijdafhankelijke HL zijn grotendeendeels beperkt gebleven tot systemen met weinig qubits of heuristische procedures die een gebrek hebben aan rigoureuze foutmargen en schaalbaarheidsgaranties. Een centrale uitdaging is de exponentiële groei van parameters met de systeemgrootte; echter zijn fysieke Hamiltoniaanse operatoren doorgaans ijl (sparse). De openstaande vraag die dit werk adresseert, is of de lokaliteit die schaalbare statische HL mogelijk maakt, kan worden uitgebreid naar het reconstrueren van tijdafhankelijke Hamiltoniaanse operatoren uit continue zwakke meetgegevens zonder dat daarvoor verstrengelde probe-toestanden nodig zijn of een exponentiële overhead optreedt.

Methodologie
De auteurs stellen een protocol voor om de tijdafhankelijke coëfficiënten $\mu(t)$ van een ijle veel-deeltjes Hamiltoniaan $H(t) = \sum_{i=1}^r \mu_i(t) W_i$ te leren, waarbij $W_i$ bekende Pauli-strings zijn. Het systeem wordt gemonitord via continue zwakke metingen van lokale observabelen (specifiek $\sigma_z$ op elke qubit), wat leidt tot meting-geïnduceerde dephasering.

De kern van de methodologie bestaat uit drie hoofdonderdelen:

1. Lokale inverse problemen via zwakke meetgegevens:
   In plaats van een globaal invers probleem op te lossen, maakt het protocol gebruik van de ijle structuur van de Hamiltoniaan. Door de bewegingsvergelijking van gemonitorde observabelen te analyseren, leiden de auteurs een lineaire relatie af tussen de eindige verschillen van de meetgegevens en de instantane Hamiltoniaanse coëfficiënten. Cruciaal is dat de evolutie van een lokale observabele $Z_j$ alleen afhangt van de Hamiltoniaanse termen die niet commuteren met $Z_j$. Dit definieert een "actieve buurt" $N(j)$ voor elke locatie $j$. De globale reconstructie wordt ontbonden in een reeks lokale inverse problemen, die elk slechts de coëfficiënten in $N(j)$ betreffen.

2. Grafiek-kleurings-probe constructie:
   Om de lokale inverse problemen op te lossen, is een set probe-toestanden vereist. De auteurs demonstreren dat zuivere scheidbare probe-toestanden voldoende zijn om deze inversies te initialiseren. Ze introduceren een grafentheoretische constructie om deze lokale probes in globale preparaties in te bedden:

   • Een actieve-buurt-grafiek wordt geconstrueerd waarbij knopen de lokale inverse problemen (buurten) vertegenwoordigen en zij verbindingen maken tussen buurten met overlappend fysiek support.
   • Een grafiek-kleuring van deze grafiek verdeelt de buurten in disjuncte verzamelingen (kleurklassen) die gelijktijdig kunnen worden aangesproken.
   • Dit maakt de constructie van een globale scheidbare producttoestand mogelijk die alle buurten van een specifieke kleurklasse parallel behandelt. Het aantal vereiste globale probe-configuraties wordt begrensd door het chromatisch getal van de actieve-buurt-grafiek, wat schaalt met de lokale interactiegraad $D$ in plaats van de totale systeemgrootte $n$.

3. Iteratieve toestand-update en foutanalyse:
   Het protocol werkt iteratief. Bij elke tijdstap $t_k$:

   • Lokale coëfficiënten worden geschat met behulp van de Moore–Penrose pseudoinversie van de lokale reconstructiematrix (afgeleid van huidige toestandsschattingen en meetgegevens).
   • De geschatte Hamiltoniaan wordt gebruikt om de probe-toestandsschattingen naar de volgende tijdstap te propageren via de effectieve meestervergelijking (inclusief de meting-backaction).
   • De auteurs leiden rigoureuze foutmargen af die statistische ruis (door eindige sampling van trajecten) expliciet scheiden van deterministische bias (voortkomend uit Euler-discretisatie en de accumulatie van toestand-updatefouten).

Belangrijkste bijdragen

• Schaalbaarheid via lokaliteit: Het protocol reduceert de globale reconstructie van een tijdafhankelijke Hamiltoniaan tot lokale inverse problemen. Het aantal vereiste probe-configuraties schaalt met de lokale interactie-connectiviteit ($D$) in plaats van de totale systeemgrootte ($n$) of het totaal aantal Hamiltoniaanse termen.
• Scheidbare Probes: Het werk bewijst dat verstrengelde probe-toestanden niet noodzakelijk zijn; zuivere scheidbare toestanden volstaan om de lokale inversies te initialiseren.
• Rigoureuze Foutmargen: Het artikel biedt expliciete $\ell_2$-reconstructiefoutmargen en een sample-complexiteitstelling. Deze margen onderscheiden duidelijk tussen de statistische fout (reduceerbaar door het aantal trajecten te verhogen) en de deterministische bias-vloer (intrinsiek aan de tijdstap-resolutie en iteratieve propagatie).
• Grafentheoretisch Kader: Een systematische methode die grafiek-kleuring gebruikt om de overhead van probe-preparatie voor ijle veel-deeltjes systemen te minimaliseren.

Resultaten
Het protocol werd numeriek gevalideerd op tijdafhankelijke Transverse-Field Ising Model (TFIM) ketens met tot $n=8$ qubits.

• Reconstructienauwkeurigheid: De methode slaagde erin om volledige tijdafhankelijke coëfficiënt-trajecten te herstellen voor lokale velden en naburige koppelingen.
• Vergelijking van de Probe-ensemble: Numerieke simulaties vergeleken een minimale grafiek-kleurings-ensemble ($S=9$ probes) met een overcompleet Pauli-eigen-toestand-ensemble ($S=36$ probes). Hoewel de minimale ensemble goed presteerde in korte tijdsvensters, vertoonde de overcomplete ensemble een superieure stabiliteit en robuustheid tegen meting-geïnduceerde dephasering over langere reconstructievensters, wat een afweging (trade-off) tussen preparatiekosten en stabiliteit benadrukt.
• Sample Complexiteit Schaling: De numerieke resultaten bevestigden de theoretische voorspellingen. In het door statistiek gedomineerde regime schaalde de reconstructiefout ongeveer als $N_{tot}^{-\alpha}$ (met $\alpha \approx 0,4$). Naarmate het aantal trajecten toenam, convergeerde de fout naar een "bias-vloer" bepaald door de deterministische integratiefout, wat consistent is met de afgeleide grenzen. De fout vertoonde ook een sublineaire schaling met de systeemgrootte, wat overeenkomt met de $\sqrt{n}$ afhankelijkheid in de theoretische marge.

Betekenis en Claims
De auteurs claimen een rigoureuze fundering te hebben gelegd voor tijdafhankelijke Hamiltoniaan-lering in ijle veel-deeltjes systemen via continue monitoring. De betekenis ligt in:

1. Uitbreiding van Schaalbaarheid: Het bewijzen dat de lokaliteits-principes, die eerder werden toegepast op statische Hamiltoniaanse operatoren, de complexiteit van tijdafhankelijke reconstructie uit continue zwakke meetgegevens beheersen.
2. Experimentele Haalbaarheid: Het vertrouwen op scheidbare probe-toestanden en lokale zwakke metingen maakt het protocol compatibel met nabije analoge platforms en via de cloud toegankelijke kwantumprocessors (via ingenieurs-gestuurde zwakke metingen).
3. Theoretische Helderheid: De scheiding tussen statistische en deterministische fouten biedt een helder kader voor het begrijpen van de beperkingen van iteratieve leerprotocollen, specif