Learning and certification of local time-dependent quantum dynamics and noise
本文提出了一种用于学习和认证具有弱去相位噪声的局部相互作用 比特量子系统随时间变化的系数的可扩展且严谨的协议，该协议利用积态制备、泡利测量和稳定插值，以多项式资源实现高概率的均匀重构。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
量子计算机是旨在解决任何经典计算机都无法处理的复杂问题的机器，但它们极其脆弱。为了使它们变得有用，科学家必须精确了解其中粒子的运动和相互作用方式。这种运动受一套被称为“动力学”的规则支配。在最简单的情况下，这些规则保持不变，就像时钟以稳定的节奏滴答作响。然而，在现实世界中，这些规则经常发生变化。引导粒子的力量可能会随着程序运行而漂移、脉动或偏移，这被称为“随时间变化的动力学”。当这些变化中的规则不能被完美理解时，计算机就会产生误差。为了修复这一问题，研究人员需要一种方法来实时测量并绘制这些变化的规则，但如何在不破坏大型机器的前提下做到这一点一直是一个重大挑战。
一组研究人员现在开发出了一种高效学习这些变化规则的新方法。他们的工作专注于粒子仅与相邻邻居发生相互作用的系统，这是量子设备中常见的一种设置。他们创建了一种协议，可以计算这些相互作用的强度以及系统丢失信息的速率，即使这些数值在每一时刻都在发生变化。该方法的工作原理是准备粒子的简单、稳定的状态，让它们演化一段选定的时间，然后测量结果。通过使用不同的设置多次重复这一过程，团队可以重建系统规则如何变化的完整历史，而无需预先知道这些规则。
这项成就的核心在于一种将混乱、变化的问题转化为稳定、可解问题的方法。在过去，试图学习变化的规则往往会导致数学上的混乱，因为数据会变得过于嘈杂，或者方程变得过于复杂而无法求解。研究人员通过使用一种称为“过程影子断层扫描”（process shadow tomography）的技术解决了这个问题。想象一下，通过听齿轮转动的声音来了解一台复杂的机器；你不需要看到每一个零件就能知道它是如何工作的，只需要足够的关键声音来构建一幅图像。类似地，这种方法对量子系统进行许多微小的、随机的测量。这些测量本身并不完美，但当它们结合在一起时，就会揭示系统演化的底层结构。研究人员证明，通过使用这些测量，他们可以建立一组既稳定又易于求解的方程，即使对于具有许多粒子的庞大系统也是如此。
他们成功的关键部分在于处理系统并非完全孤立这一事实。现实中的量子机器总是会向环境丢失一点信息，这个过程被称为“耗散”。以往的方法在存在这种耗散时往往难以奏效，或者要求系统必须是完美孤立的，这在实践中几乎是不可能的。这种新协议即使在存在微弱的信息丢失（特别是当这种丢失以可预测的方式发生在单个粒子上）时也能正常工作。研究人员表明，只要这种损失不是太强，他们仍然可以准确地绘制出系统的变化规则。他们还证明，随着系统规模的增大，获得良好答案所需的数据量增长得非常缓慢，这意味着该方法可以扩展到未来的大型机器。
团队通过详细的计算机模拟测试了他们的想法，以确保其在实践中可行。他们模拟了一个由15个粒子组成的系统，这个规模足以让旧方法无法使用。在这些测试中，他们成功地以高精度重建了系统的变化规则。他们还检查了当规则以复杂的、非重复的模式变化（而不只是简单的平滑曲线）时，该方法的表现如何。结果显示，通过调整用于拟合数据的数学模型的复杂度，他们甚至可以捕捉到这些复杂的细微变化。模拟证实，获得精确答案所需的测量次数保持在可控范围内，其增长仅取决于所需精度的幂次以及变化规则的复杂度。
这项工作为下一代量子实验提供了一个实用的工具。它允许科学家验证他们的机器是否按照预期运行，即使在环境嘈杂且规则不断变化的情况下也是如此。通过能够以极少的实验要求来学习这些随时间变化的规则，该方法为更可靠的量子模拟打开了大门。这意味着研究人员现在可以在执行复杂操作（如制备特定的量子态或运行需要精确时序的算法）期间检查设备的性能。能够认证这些动态过程是向前迈出的重要一步，使该领域从理论上的可能性转向了实际的、可验证的现实。研究人员已经公开了他们的代码和数据，允许他人测试并基于这种高效理解量子机器变化核心的方法进行进一步研究。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。