最优哈密顿辨识：量子最优控制与量子反演的综合

我们引入了最优识别（OI），这是一种协作的实验室/计算算法，用于从实验数据中提取量子哈密顿量，专门寻求最小化反演误差。OI通过将超快脉冲成形技术和高通量实验与全局反演技术相结合，结合了量子控制和反演的组成部分，从量身定制的观测中积极识别量子哈密顿量。OI概念基于这样一个一般概念，即尽管存在诸如有限分辨率和噪声等数据限制，但可以在适当控制的影响下测量最佳数据，以最小化提取哈密顿量的不确定性。为了说明OI的工作原理，从模拟的布居转移实验中提取了多级量子哈密顿量的跃迁偶极矩。OI算法揭示了一个简单的优化实验，该实验确定哈密顿矩阵元素的精度比反演500个随机数据集的精度高两个数量级。该算法的优化和非线性特性表明，即使变量多于观测值，也能够可靠地识别哈密顿量。此外，优化实验充当了一个定制的滤波器，以防止实验室噪声显著传播到提取的哈密顿量中。