제약 없는 리드블러 동역학 학습

초록

본 논문은 사전 구조 가정 없이, 제품 상태와 파울리 측정만으로 마코프ian 노이즈를 갖는 양자 시스템의 리드블러 제네레이터를 효율적으로 학습하는 프로토콜을 제시한다. 희소성 가정 하에 샘플 복잡도는 비선형 시간 해상도와 조건수에 따라 거의 최적에 가깝게 유지되며, 실험적 잡음에도 강인하도록 설계되었다.

상세 분석

이 연구는 양자 시스템의 마코프ian 동역학을 완전히 기술하는 리드블러(L) 를, 사전 구조(예: 로컬성, 특정 잡음 채널) 없이 학습하는 최초의 샘플 효율적 알고리즘을 제시한다. 저자들은 리드블러를 파울리 연산자들의 희소한 선형 결합으로 표현하고, 비제로 계수의 총 개수를 M 으로 정의한다. 두 단계로 구성된 학습 절차는 (1) 구조 학습과 (2) 계수 학습이다. 구조 학습에서는 짧은 시간 구간에서 파울리 오류율 χ_ii(t) 를 측정하고, 1차·2차 시간 미분을 추정한다. 1차 미분은 소멸항(디스피피에이터)과 연관되고, 2차 미분은 순수 해밀토니안 항과 연관된다. 이를 통해 실제 디스피피에이터 집합 S_D 와 해밀토니안 집합 S_H 를 정확히 복원하거나 상위 집합을 얻는다. 이 과정에 필요한 채널 호출 수는 O(M⁴/η⁴) 로, η 는 가장 작은 비제로 계수의 절대값이다.

다음 단계인 계수 학습에서는 구조 학습에서 얻은 후보 집합을 이용해 충분히 풍부한 파울리 프로브(입력 상태와 관측 연산자)를 선택한다. 각 프로브에 대해 짧은 시간에 대한 기대값 f(t)=tr