• 文献检索
  • 文档翻译
  • 深度研究
  • 学术资讯
  • Suppr Zotero 插件Zotero 插件
  • 邀请有礼
  • 套餐&价格
  • 历史记录
应用&插件
Suppr Zotero 插件Zotero 插件浏览器插件Mac 客户端Windows 客户端微信小程序
定价
高级版会员购买积分包购买API积分包
服务
文献检索文档翻译深度研究API 文档MCP 服务
关于我们
关于 Suppr公司介绍联系我们用户协议隐私条款
关注我们

Suppr 超能文献

核心技术专利:CN118964589B侵权必究
粤ICP备2023148730 号-1Suppr @ 2026

文献检索

告别复杂PubMed语法,用中文像聊天一样搜索,搜遍4000万医学文献。AI智能推荐,让科研检索更轻松。

立即免费搜索

文件翻译

保留排版,准确专业,支持PDF/Word/PPT等文件格式,支持 12+语言互译。

免费翻译文档

深度研究

AI帮你快速写综述,25分钟生成高质量综述,智能提取关键信息,辅助科研写作。

立即免费体验

从局域测量中学习局域哈密顿量。

Learning a Local Hamiltonian from Local Measurements.

机构信息

Physics Department, Technion, 3200003 Haifa, Israel.

出版信息

Phys Rev Lett. 2019 Jan 18;122(2):020504. doi: 10.1103/PhysRevLett.122.020504.

DOI:10.1103/PhysRevLett.122.020504
PMID:30720316
Abstract

Recovering an unknown Hamiltonian from measurements is an increasingly important task for certification of noisy quantum devices and simulators. Recent works have succeeded in recovering the Hamiltonian of an isolated quantum system with local interactions from long-ranged correlators of a single eigenstate. Here, we show that such Hamiltonians can be recovered from local observables alone, using computational and measurement resources scaling linearly with the system size. In fact, to recover the Hamiltonian acting on each finite spatial domain, only observables within that domain are required. The observables can be measured in a Gibbs state as well as a single eigenstate; furthermore, they can be measured in a state evolved by the Hamiltonian for a long time, allowing us to recover a large family of time-dependent Hamiltonians. We derive an estimate for the statistical recovery error due to approximation of expectation values using a finite number of samples, which agrees well with numerical simulations.

摘要

从测量中恢复未知哈密顿量对于噪声量子设备和模拟器的认证是一项越来越重要的任务。最近的工作已经成功地从单个本征态的长程相关函数中恢复出具有局部相互作用的孤立量子系统的哈密顿量。在这里,我们表明,仅使用与系统大小成线性比例的计算和测量资源,就可以从局部可观测量中恢复出这种哈密顿量。实际上,要恢复作用于每个有限空间域的哈密顿量,仅需要该域内的可观测量。可观测量可以在吉布斯态以及单个本征态中进行测量;此外,它们可以在由哈密顿量长时间演化的态中进行测量,这使我们能够恢复一大类时变哈密顿量。我们推导出了由于使用有限数量的样本近似期望值而导致的统计恢复误差的估计,该估计与数值模拟吻合得很好。

相似文献

1
Learning a Local Hamiltonian from Local Measurements.从局域测量中学习局域哈密顿量。
Phys Rev Lett. 2019 Jan 18;122(2):020504. doi: 10.1103/PhysRevLett.122.020504.
2
Certified algorithms for equilibrium states of local quantum Hamiltonians.局部量子哈密顿量平衡态的认证算法。
Nat Commun. 2024 Aug 27;15(1):7394. doi: 10.1038/s41467-024-51592-3.
3
Variational Quantum Eigensolvers for Sparse Hamiltonians.用于稀疏哈密顿量的变分量子本征求解器。
Phys Rev Lett. 2021 Sep 10;127(11):110503. doi: 10.1103/PhysRevLett.127.110503.
4
Finite-size scaling of eigenstate thermalization.本征态热化的有限尺寸标度
Phys Rev E Stat Nonlin Soft Matter Phys. 2014 Apr;89(4):042112. doi: 10.1103/PhysRevE.89.042112. Epub 2014 Apr 4.
5
Time evolution of local observables after quenching to an integrable model.局域可观测量在被猝灭到可积模型后的时间演化。
Phys Rev Lett. 2013 Jun 21;110(25):257203. doi: 10.1103/PhysRevLett.110.257203. Epub 2013 Jun 18.
6
Hamiltonian learning and certification using quantum resources.使用量子资源进行哈密顿学习和认证。
Phys Rev Lett. 2014 May 16;112(19):190501. doi: 10.1103/PhysRevLett.112.190501. Epub 2014 May 14.
7
Hamiltonian Tomography via Quantum Quench.通过量子猝灭实现哈密顿量层析成像
Phys Rev Lett. 2020 Apr 24;124(16):160502. doi: 10.1103/PhysRevLett.124.160502.
8
Work extraction from a single energy eigenstate.从单个能量本征态中提取功。
Phys Rev E. 2019 Mar;99(3-1):032128. doi: 10.1103/PhysRevE.99.032128.
9
Hamiltonian Learning from Time Dynamics Using Variational Algorithms.基于变分算法的时间动力学哈密顿学习。
J Phys Chem A. 2023 Apr 13;127(14):3246-3255. doi: 10.1021/acs.jpca.2c08993. Epub 2023 Mar 29.
10
Estimating Quantum Hamiltonians via Joint Measurements of Noisy Noncommuting Observables.通过联合测量噪声非对易可观测量来估计量子哈密顿量。
Phys Rev Lett. 2023 Mar 10;130(10):100801. doi: 10.1103/PhysRevLett.130.100801.

引用本文的文献

1
Hamiltonian Learning of Triplon Excitations in an Artificial Nanoscale Molecular Quantum Magnet.人工纳米级分子量子磁体中三重子激发的哈密顿量学习
Nano Lett. 2025 Sep 10;25(36):13435-13440. doi: 10.1021/acs.nanolett.5c02502. Epub 2025 Aug 22.
2
Advantages of two quantum programming platforms in quantum computing and quantum chemistry.两个量子编程平台在量子计算和量子化学中的优势。
J Cheminform. 2025 May 19;17(1):77. doi: 10.1186/s13321-025-01026-z.
3
Thermalization and criticality on an analogue-digital quantum simulator.模拟-数字量子模拟器上的热化与临界性
Nature. 2025 Feb;638(8049):79-85. doi: 10.1038/s41586-024-08460-3. Epub 2025 Feb 5.
4
Hamiltonian learning for 300 trapped ion qubits with long-range couplings.用于300个具有长程耦合的囚禁离子量子比特的哈密顿量学习
Sci Adv. 2025 Jan 31;11(5):eadt4713. doi: 10.1126/sciadv.adt4713. Epub 2025 Jan 29.
5
Robustly learning the Hamiltonian dynamics of a superconducting quantum processor.稳健地学习超导量子处理器的哈密顿动力学。
Nat Commun. 2024 Nov 6;15(1):9595. doi: 10.1038/s41467-024-52629-3.
6
Accreditation of analogue quantum simulators.模拟量子模拟器的认证。
Proc Natl Acad Sci U S A. 2024 Feb 6;121(6):e2309627121. doi: 10.1073/pnas.2309627121. Epub 2024 Jan 31.
7
Practical Hamiltonian learning with unitary dynamics and Gibbs states.基于幺正动力学和吉布斯态的实用哈密顿量学习
Nat Commun. 2024 Jan 8;15(1):312. doi: 10.1038/s41467-023-44008-1.
8
Efficient and robust estimation of many-qubit Hamiltonians.多量子比特哈密顿量的高效稳健估计
Nat Commun. 2024 Jan 8;15(1):311. doi: 10.1038/s41467-023-44012-5.
9
Quantum computation of molecular structure using data from challenging-to-classically-simulate nuclear magnetic resonance experiments.利用来自经典模拟极具挑战性的核磁共振实验的数据进行分子结构的量子计算。
PRX quantum. 2022 Sep-Nov;3(3). doi: 10.1103/prxquantum.3.030345. Epub 2022 Sep 27.
10
Quantum variational algorithms are swamped with traps.量子变分算法中存在大量陷阱。
Nat Commun. 2022 Dec 15;13(1):7760. doi: 10.1038/s41467-022-35364-5.