[論文レビュー] Learning Hamiltonians in the Heisenberg limit with static single-qubit fields

Shrigyan Brahmachari, Shuchen Zhu+2 more|arXiv (Cornell University)|Jan 15, 2026

Quantum Computing Algorithms and Architecture被引用数 0

ひとこと要約

本論文は、静的な単一量子ビット場のみを用いてヘイスバーグ限界スケーリングで未知ハミルトニアンを学ぶプロトコルを提案する。SPAMに頑健で、1-2量子ビット系に適用可能。

ABSTRACT

Learning the Hamiltonian governing a quantum system is a central task in quantum metrology, sensing, and device characterization. Existing Heisenberg-limited Hamiltonian learning protocols either require multi-qubit operations that are prone to noise, or single-qubit operations whose frequency or strength increases with the desired precision. These two requirements limit the applicability of Hamiltonian learning on near-term quantum platforms. We present a protocol that learns a quantum Hamiltonian with the optimal Heisenberg-limited scaling using only single-qubit control in the form of static fields with strengths that are independent of the target precision. Our protocol is robust against the state preparation and measurement (SPAM) error. By overcoming these limitations, our protocol provides new tools for device characterization and quantum sensing. We demonstrate that our method achieves the Heisenberg-limited scaling through rigorous mathematical proof and numerical experiments. We also prove an information-theoretic lower bound showing that a non-vanishing static field strength is necessary for achieving the Heisenberg limit unless one employs an extensive number of discrete control operations.

研究の動機と目的

• 量子計測、センシング、デバイス特性評価のため未知ハミルトニアンを学習する動機付け。
• 静的な単一量子ビット場のみを用いてヘイスバーグ限界スケーリングを達成するプロトコルを導入する。
• 状態準備測定（SPAM）誤差に対する頑健性を確保する。
• 小量子ビット系について厳密な証明と数値シミュレーションを通じて性能を示す。

提案手法

• x, y, z 方向に強い静的単一量子ビット場を適用し、ハミルトニアンを H_tot = H − ν H_ctrl に変更する。
• 初期の積の状態を準備し、H_tot の下で進化させ、単一量子ビットのパウリ測定を行う。
• 位相推定実験を用いて H_tot によって生成されるエネルギーギャップ EΔ を推定する。
• 測定されたエネルギーギャップから最小二乗法で回復を行い、真のパラメータ近傍で強凸損失を用いてハミルトニアン係数 λ を推定する。
• 進化時間、場の強さ、離散制御操作の回数の間のトレードオフを示す情報理論的下界を証明する。
• SPAM の影響下でヘイスバーグ限界スケーリングを示す1量子ビットおよび2量子ビットハミルトニアンの数値シミュレーションを提供する。

Figure 1: Efficient Hamiltonian learning with static local fields. For a system of qubits with unknown Hamiltonian $H(\bm{\lambda})$ , by adding sufficiently strong static single-qubit fields along the $\pm\hat{x}$ , $\pm\hat{y}$ , and $\pm\hat{z}$ directions, and choosing a different field strength

実験結果

リサーチクエスチョン

• RQ1 静的な単一量子ビット場のみを用いてヘイスバーグ限界スケーリングでハミルトニアンを学習できるか。
• RQ2 目標精度 ε を達成するために必要な総進化時間と実験資源の最小値は何か。
• RQ3 プロトコルは SPAM 誤差および非適応戦略対適応戦略にどれくらい頑健か。
• RQ4 エネルギーギャップ測定からハミルトニアン係数を凸最適化アプローチで信頼性高く回復できるか。
• RQ5 場の強さ、進化時間、離散制御操作の数の基本的なトレードオフは何か。

主な発見

• プロトコルは総進化時間 T = O(ε^{-1})でヘイスバーグ限界スケーリングを達成する。
• ε に依存しない固定強さ ν の静的場で、エンタングリングゲートなしに高精度なハミルトニアン学習が可能。
• SPAM が固定の ε 非依存しきい値以下であれば SPAM 誤差に対して頑健。
• エネルギーギャップ EΔ(λ, ν, k, s, β) は時間 O(1/ε) で O(polylog(ε^{-1} δ^{-1})) 試行を通じて精度 ε で推定可能。
• 測定されたエネルギーギャップに対する最小二乗推定量は ε 精度でハミルトニアン係数を回復し、真のパラメータ近傍で一意の回復を保証する局所的に強凸な損失を持つ。
• ヘイスバーグスケーリングには非ゼロの静的場が必要であり、多数の離散制御操作を用いない限りこの条件が満たされることを情報理論的下界として証明している。

Figure 2: Learning single-qubit and two-qubit Hamiltonians. Whisker plots showing the $\ell^{2}$ -error $\varepsilon_{\ell^{2}}$ with different total evolution times $T$ and values of static field strengths $\nu$ for learning a single-qubit Hamiltonian (left) and a two-qubit Hamiltonian (right) on a