量子科技中心_量科网

估算未知量子态与固定目标态之间的保真度是量子信息科学中的一项基础任务。直接保真度估计（DFE）技术无需完整层析，通过目标态相关的可观测量采样即可实现该任务。然而，现有方法面临显著权衡：基于分组策略的DFE在小规模系统中精度优异但存在指数级扩展问题，且仅适用于泡利测量；而基于经典影态的DFE虽具扩展性，但对结构态（如GHZ态、W态）的估计精度较低。该研究团队通过开发两类基于信息过完备正算子值测度的“算子感知影态重要性采样”算法突破这些局限。当采用局域泡利测量时，该算法对Haar随机态的估计性能优于现有分组算法；对于GHZ态、W态等结构态，还消除了传统分组方法所需的指数级内存需求。数值实验证实，该方法在Haar随机态、GHZ态和W态上均实现了当前最优性能。