量子科技中心_量科网

机器学习方法已被用于推断特定类型光量子态的有限特性，但学界仍缺乏一个无需完整层析即可预测实际相关量子态（尤其是多模非高斯态）多种特性的统一模型。该研究团队首次提出了适用于不同复杂度光量子态表征的基础模型，其复杂度由三个关键因素定义：非高斯性、模式数量和压缩程度。研究表明，基于低复杂度态预训练的单一模型可直接应用于更高复杂度态的表征。经过有限微调后，该模型能适应预测量子保真度、维格纳负性等下游任务，覆盖包括强非高斯薛定谔猫态、多达十模的多模系统以及压缩度高达10.4分贝的高度压缩态在内的实验相关量子态。该成果建立了从有限测量数据中表征光量子态的统一框架，为光量子信息计算、通信和计量学中关键量子态的高效验证提供了新途径。