量子科技中心_量科网

量子态层析（QST）在多量子比特系统中面临测量需求指数级增长和噪声敏感性的问题，成为实用量子技术的瓶颈。该研究团队提出了一种融合量子力学约束的物理信息神经网络（PINN）框架，其特点包括：通过自适应加权整合物理约束、残差注意力增强架构、以及可微分Cholesky参数化确保物理有效性。在2-5量子比特系统及任意维度量子态上的评估表明，PINN始终优于传统神经网络（TNNs），在所有维度均实现最高保真度。相较于基线方法，PINN在中高维系统中提升显著，具有更优异的噪声鲁棒性（性能衰退更缓慢）和稳定的维度适应性。理论分析显示，物理约束通过降低Rademacher复杂度和约束诱导的维度缩减效应缓解了维度灾难，且该效果与量子比特数量无关。虽然实验受限于计算资源仅验证至5量子比特系统，但该工作的理论框架（收敛性证明、泛化边界、可扩展性定理）表明PINN的优势将在更大规模系统（6+量子比特）中持续增强——此时约束诱导的维度缩减效益会随系统规模放大。这一成果将量子纠错和门校准的测量需求从O(4^n)降至O(2^n)同时保持高保真度，有望加速纠错周期和校准流程，为可扩展量子计算奠定关键基础。