Loading feed…
Nature0 Hot0 comments3 min read
Efficient Hamiltonian, structure and trace distance learning of Gaussian states
AI summary
Khi học Hamiltonian của nhiều-body quantum systems, giả sử tương tác cục bộ có thể giảm đáng kể số lượng quan sát và thời gian tính toán so với phương pháp không cấu trúc. Trong nghiên cứu này, chúng tôi phát hiện một trường hợp vô chiều hiện tượng này, khởi đầu việc nghiên cứu Hamiltonian learning cho bosonic Gaussian states ở nhiệt độ dương. Chúng tôi trình bày các protocol hiệu quả về mẫu và tính toán để suy ra tham số và đồ thị cấu trúc của Hamiltonian bậc hai cơ bản, với giả định nhiệt độ, squeezing, displacement và bậc tối đa của đồ thị tương tác bị giới hạn. Đáng chú ý, protocol của chúng tôi chỉ dựa vào heterodyne measurements, thường khả thi về mặt thực nghiệm, và đạt được sample complexity chỉ tăng theo logarithmic với số lượng modes. Hơn nữa, kỹ thuật của chúng tôi cho phép học positive-temperature Gaussian states trong trace distance với scaling bậc hai về độ chính xác và scaling đa thức về số lượng modes.
Why read it: Bài viết này cung cấp phương pháp học Hamiltonian hiệu quả cho trạng thái Gaussian bosonic với độ phức tạp mẫu chỉ tăng theo logarit số chế độ.
What do you remember?
Answer 3 short questions to earn reward points for this article. Only do it if you want the points.
up to +17 points
3 questions · under a minute · optional
Source: https://www.nature.com/articles/s41467-026-77405-3. 8 Sync News only summarizes and links out; content copyright belongs to the authors and original sources.
Recommended for you
Bình luận
Đang tải bình luận…
