量子科技中心_量科网

量子态层析（QST）是量子信息科学中的一项基础任务，旨在从测量数据中重构未知的量子态。然而，随着系统规模增大，希尔伯特空间维度呈指数级增长，这使得对一般量子态进行完备层析在统计和计算上均不可行。这一挑战催生了有关结构化量子态层析的广泛研究，其中先验结构（如低秩性、张量网络表示、浅层量子电路和神经量子态）能够显著减少有效自由度，从而实现可扩展的重构。在本综述中，该团队通过三个紧密相关的主题——紧凑态表示、测量设计和计算算法——为结构化量子态的QST提供了一个统一视角。在回顾结构化量子态的常见模型后，该工作调研了测量框架的几何保持性质方面的现有研究，范围涵盖从信息完备POVM到随机化测量，并探讨了其对样本复杂性的影响。在算法方面，该综述回顾了从经验测量中重构结构化量子态的优化方法。通过将QST与压缩感知、矩阵感知和结构化逆问题的更广泛原理相结合，本综述突出了样本复杂性、测量效率和可扩展重构背后共同的理论基础。