无假设的 Lindbladian 动力学原位学习

表征开放量子系统在微观相互作用和误差机制层面的动力学，对于校准量子硬件、设计稳健的仿真协议以及开发量身定制的纠错方法至关重要。在马尔可夫式噪声/耗散条件下，一种自然的表征方法是识别产生协时（哈密顿）和耗散动力学的完整 Lindbladian 生成器。先前的学习协议从动力学数据中学习 Lindbladian 时，假设了预先指定的相互作用结构，而当相关噪声通道或控制缺陷事先未知时，这种假设会显得受限。本文提出了首个无需假设任何先验结构或局部性质的稀疏 Lindbladian 学习协议。该协议无需辅助量子比特，仅使用纯态准备和 Pauli 基测量，实现近乎最优的时间分辨率，能够适配近期实验能力。最终的样本复杂度取决于线性系统条件数，我们在广泛的物理动机模型中 empirically 发现该条件数适中。该工作为可扩展的开放系统动力学表征提供了系统方法，尤其适用于误差机制尚未知情的情形。