非退化边缘似然校准及其在量子表征中的应用

我们在Kennedy-O'Hagan（KOH）贝叶斯框架内提出一种边缘似然策略，其中高斯过程（GP）对物理系统与其模拟器之间的偏差建模。我们的方法通过积分协方差矩阵的退化特征空间，而非近似原始似然，引入了一种新颖的边缘化似然。与为计算效率而牺牲精度的近似方法不同，我们的方法定义了精确似然——有别于原始似然但保留所有相关信息。该公式实现了计算效率与稳定性，即便在协方差矩阵接近退化的海量数据集下亦然。应用于劳伦斯利弗莫尔国家实验室超导量子器件的表征时，该方法通过有效量化与量子数据一致的的不确定性，提升了Lindblad主方程对Ramsey测量数据建模的预测精度。