近日，深圳国际量子研究院李正达研究员课题组联合北京大学、山东大学和南开大学的研究人员，在量子Fisher信息高效实验估计方面取得重要进展。研究团队在最高支持六量子比特光量子平台上实验验证了Krylov影子层析方案，实现了量子Fisher信息的估计。在相同测量资源下，该方案较现有代表性方法获得了更低的平均绝对误差；相位估计实验进一步表明，其估计结果能够准确预测量子Cramér-Rao界限定的极限参数估计精度。相关研究成果以“Gap-closing experimental estimation of quantum Fisher information”为题，于2026年9月9日发表在国际学术期刊《Science Advances》上。

量子Fisher信息是量子计量学的核心物理量，它通过量子Cramér-Rao界给出参数估计方差的理论下限，从而刻画量子体系所允许的极限估计精度，并广泛用于计量有用纠缠的认证、量子临界现象探测和量子器件性能评估。然而，量子Fisher信息对量子态的依赖具有高度非线性。完整量子态层析所需资源随系统规模指数增长，而已有替代方法往往面临估计下界过松或保证收敛所需代价过高的问题。如何以可扩展的实验资源获得能够可靠逼近真实值的量子Fisher信息估计值，一直是量子计量实验中的关键难题。

针对这一问题，研究团队在实验上实现了近期提出的Krylov影子层析（Krylov shadow tomography，KST）方案。实验采用的光量子平台利用光子的偏振和路径自由度分编码偏振比特和路径比特，能够制备噪声可控、规模最高达到六量子比特的Greenberger–Horne–Zeilinger（GHZ）态。通过在相同资源条件下将KST与其他代表性方法进行比较，研究团队发现KST呈现出理论预言的差距闭合行为，并获得了显著更低的平均绝对误差。此外，研究团队进一步证明，KST得到的高精度QFI估计能够正确预测相位估计实验中由量子Cramér-Rao界所限定的极限测量精度。这些结果表明，KST是一种具有可扩展性和实验实用性的工具，可用于量子计量应用中量子资源的高效表征与利用。

该工作将KST从理论估计方案推进为经过系统实验验证的量子表征工具，为含噪量子系统中的量子Fisher信息估计提供了可扩展路径。该方法可用于诊断复杂量子态的计量价值，并为量子传感器和量子处理器的表征与优化提供了实验依据。