量子科技中心_量科网

估计随时间变化的多个局域期望值是量子模拟和设备表征中的核心测量瓶颈。该研究团队致力于重构泡利信号矩阵S_i^j=Tr(O_iρ(t_j))的任务，其中涉及M个低权重泡利观测量{O_i}_{i=1}^M在N个时间步长{t_j}_{j=1}^N上的取值，同时最小化设备测量总次数。研究者提出了一种压缩感知阴影层析成像(CSST)协议，该协议融合了两种互补的降维策略：首先，局域经典阴影通过固定时间点的随机快照同时估计多个泡利期望值，降低了可观测量维度；其次，压缩感知利用多数期望值轨迹在酉变换基（如傅里叶基）下具有谱稀疏性或可压缩性的特点，降低了时间维度。在操作层面，CSST协议随机均匀采样m≪N个时间步长，仅在这些时刻采集阴影数据，随后通过酉变换域的标准ℓ_1重构算法恢复每个长度为N的信号。该工作提供了端到端理论保证，明确结合了阴影估计误差与压缩感知重构边界。对于酉变换基下严格s稀疏的信号，研究表明m=𝒪(slog²slogN)个随机时间步长即可以高概率实现重构，相较于在所有N个时间点采集阴影数据，总测量次数节省规模可达Θ~(N/s)（即最高可达多对数因子级别）。对于近似稀疏信号，重构误差可分解为可压缩性（尾部）项与噪声项。通过对含噪多量子比特动力学的数值实验，该团队验证了泡利轨迹在傅里叶基下的强可压缩性，并证实该方法能在保证精确重构的前提下实现显著的测量次数缩减。