基于机器学习从投影测量推断局域量子可观测量可解释动力学生成元

为刻画多体量子系统的动力学行为，人们通常关注所谓序参量的演化，而非刻画完整量子态。在许多情形下，这些量与局域可观测量的期望值一致，例如磁化强度或粒子密度。然而在实验中，由于投影噪声的影响，这些期望值只能以有限精度获得。在此，我们利用机器学习方法从含噪数据推断多体系统中支配局域可观测量演化的动力学生成元。为基准测试我们的方法，我们考虑量子伊辛模型的一个变体，并使用时间演化块消减算法生成合成实验数据，包含 M 个时间采样点上 N 次投影测量的结果。如我们所展示的，在广泛参数范围内，局域可观测量的动力学生成元可由马尔可夫量子主方程近似。我们的方法不仅有助于从多体系统提取有效动力学生成元，也可用于推断量子模拟与计算平台的退相干机制。