量子科技中心_量科网

量子过程层析成像（QPT）对推进量子计算机、量子网络及量子传感器等量子技术发展至关重要。基于阴影估计的过程层析（SPT）利用Choi同构将QPT转化为阴影态层析（SST），显著降低了从量子过程提取信息所需的样本复杂度。然而，SPT依赖随机酉算子，且难以确定能最小化阴影范数（影响样本复杂度的关键因素）的最优酉算子。该工作提出一种广义SPT框架，通过用广义测量（POVM）替代酉算子来最小化阴影范数。这种称为“基于POVM的阴影过程层析”（POVM-SPT）的方法，利用凸优化识别最优POVM以最小化阴影范数，从而进一步降低样本复杂度。研究团队通过数值模拟验证了最优POVM的识别，并提供相应优化算法。数值实验表明：相较传统SPT，POVM-SPT实现阴影范数大幅降低——单量子比特输入状态提升约7倍，64量子比特输入状态更获得惊人的2^180倍优化。这些结果证明POVM-SPT在简化SPT任务（尤其大规模量子系统）方面具有显著优势。