量子科技中心_量科网

该研究团队首次提出在线量子态层析（QST）的研究框架，通过逐轮执行批量测量并仅利用当前轮次的测量统计数据更新状态估计，重构未知量子态的矩阵表示。受近期低秩QST非凸优化算法进展的启发，研究人员提出采用非凸小批量随机梯度下降（SGD）算法处理在线QST问题，这些方法充分利用未知量子态的低秩特性，且具有实际应用优势。 该工作的核心理论贡献在于对这些算法进行了严格收敛性分析。研究表明，经过适当初始化后，用于在线低秩QST的SGD算法在期望值和高概率条件下均实现线性收敛。所提算法在保持高内存效率的同时，达到了近乎最优的样本复杂度。特别值得注意的是，就未知量子态的秩和维度对数而言，其时间复杂度优于当前最先进的非凸QST算法。