该研究团队提出了“素描层析术”——一种基于经典阴影协议(用于量子可观测态估计)的高效量子态层析方法。该方法适用于真实量子态为矩阵乘积态(MPS)的情形。由于MPS假设,真实态的密度矩阵可采用张量列车分解表示,研究人员通过一系列可观测态估计来推算该分解的张量分量,从而输出密度矩阵的近似解。该方法被证明具有收敛性,其样本复杂度随系统规模呈二次方增长。大量数值实验表明,该方法能输出量子态的高精度近似解。对于涉及中等规模子系统的可观测态估计任务,该工作证明其比经典阴影协议具有更高精度,同时在可观测态估计方面也优于基于最大似然估计训练的量子态。