量子科技中心_量科网

该研究团队开发了一种混合框架，用于在存在干扰参数的情况下进行量子参数估计。在这个贝叶斯点估计方案中，目标参数被视为固定的非随机参数，而干扰参数则根据先验分布（随机参数）进行积分处理。在此框架下，研究人员引入了混合偏量子费雪信息矩阵（hpQFIM）——通过平均干扰参数块的量子费雪矩阵并取舒尔补来定义，并推导出相应的克拉美-罗型混合风险下界。 该工作阐明了hpQFIM的结构特性，包括将其限定在计算易处理的替代量之间的不等式关系，以及在极端先验条件下的极限行为。从操作层面看，这种混合方法优于纯点估计，因为目标参数的最优测量仅取决于干扰参数的先验分布，而非其未知真实值。研究团队通过可解析求解的量子比特模型和数值算例阐释了该框架，清晰地展示了如何系统利用干扰变量的部分先验信息来提升量子计量学性能。