量子科技中心_量科网

该研究团队提出了一种基于物理约束的生成对抗网络框架，将量子资源态生成任务重新定义为逆向设计问题。通过将特定任务的效用函数嵌入训练过程，该模型学会生成适用于量子隐形传态和纠缠广播的优化双量子比特态。对比基于分解和直接生成的架构发现，强制实施厄米性、迹为一和正定性的结构约束，比仅依靠损失函数的方法能获得更高保真度和训练稳定性。该框架以超过98%的保真度复现了类维尔纳态和贝尔对角态的理论资源边界，证实对抗学习可作为约束驱动量子态发现的轻量高效方法。该工作为信息处理应用的定制化量子资源自动化设计提供了可扩展基础（以量子隐形传态和纠缠广播为例），并为在高效量子网络设计中应用此类态开辟了新途径。