研究人员开发了一种新颖的算法，用于学习n量子比特Lindbladian的系数，Lindbladian是用于描述开放量子系统的数学模型。该算法实现了几个关键的期望目标，包括非自适应测量、在不知道Lindbladian结构先验知识的情况下进行操作，以及支持学习准局部和幂律Lindbladian。该方法采用一种以傅里叶系数为中心的迭代方法，并识别出开放系统中特有的“混淆”项的独特挑战，当这种混淆受限时，性能会得到改善。该研究还提出了从实时间演化中学习哈密顿量结构以及从高温Gibbs状态中学习的更简单的算法和高效算法。 AI
影响 这项研究推进了对复杂量子系统的理解和计算方法，可能对未来的量子计算和模拟产生影响。
排序理由 该集群包含一篇详细介绍针对特定科学问题的算法的学术论文。[lever_c_demoted from research: ic=2 ai=0.4]
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2606.30358v1 Announce Type: cross Abstract: We design an algorithm for learning the coefficients of an $n$-qubit constant-local Lindbladian to $\varepsilon$ error with $O(g d^2 \log(n) / \varepsilon^2)$ total evolution time, where $g$ is the single-site energy and $d$ is th…
We design an algorithm for learning the coefficients of an $n$-qubit constant-local Lindbladian to $\varepsilon$ error with $O(g d^2 \log(n) / \varepsilon^2)$ total evolution time, where $g$ is the single-site energy and $d$ is the (approximate) degree of the interaction graph. T…