量子科技中心_量科网

量子态的可靠表征是量子信息科学中的一项基础任务。为此，量子态层析成像提供了一种从测量数据重建量子态的标准框架，但该方法常因实验噪声而性能下降。因此在实际应用中，抑制此类噪声对于量子态的精确估计至关重要。该研究团队提出了一种基于多层感知器网络的可扩展层析方法，通过监督学习来抑制未知噪声。这种数据驱动的方法不依赖于对噪声模型或测量方式的显式假设，使其能轻松扩展到一般量子系统。从特殊纯态到随机混合态的数值模拟表明，与未进行噪声抑制的情况相比，该方法在多种场景下均能有效降低噪声影响。