量子极值学习绕开似然函数:横场伊辛链只用15个训练点,最大绝对误差降到0.013
量子传感通常用贝叶斯推断或最大似然估计反推未知参数,而这两类估计器都要先构造似然函数,需要完整知道探针动力学,实验上往往难以做到。一种基于量子极值学习的框架把未知参数放进储层的哈密顿量,让固定初态在参数相关的演化中编码信息,再用局域观测量期望值训练线性读出层,从而不必显式构造似然函数。在横场伊辛链上估计横向磁场时,仅用15个训练点,200个测试值上的最大绝对误差为0.013;把两个时刻的测量结果合并成更大的特征向量后,精度进一步提高。