量子科技中心_量科网

基于测量数据重构量子态是量子信息科学领域的一项艰巨挑战，尤其当系统规模超出传统层析成像方法的处理能力时。虽然近期研究探索了利用量子机器学习（QML）进行量子态层析（QST），但几乎所有方案都依赖于理想化假设（例如要求量子数据输入能直接访问未知量子态），这与当前硬件条件不相容。该研究团队提出了一种完全基于经典测量数据、且可全流程在噪声中等规模量子（NISQ）设备上执行的QML层析方案。该方法采用经过训练的变分量子电路，仅依靠测量结果即可重构量子态。通过模拟测试，该方案成功实现了对GHZ态、自旋链基态及随机电路生成态等多种量子态的高保真度重构，随后在IBM和IonQ的量子硬件上得到验证。值得注意的是，该团队证实了使用不完整测量基也能实现精确层析，这是方案可扩展化的重要突破。多场景测试显示，重构保真度可达90%以上。据该团队所知，这是首个完全使用经典测量数据且已在真实量子处理器上实现的QML层析方案，为在当前量子平台上实现可扩展的实用化量子态重构提供了可行性路径。