量子科技中心_量科网

量子相干性与纠缠是量子技术中的基础资源，但在实验环境中使用最小资源对未知态进行高效估计仍具挑战性，尤其在高维系统中。该研究团队提出一种基于支持向量回归（SVR）的机器学习方法，能以最小实验资源直接估计量子相干性度量及量子纠缠的几何度量。该方法仅需密度矩阵的对角元、密度矩阵平方与立方的迹来估计量子相干性；对于量子纠缠估计，还需额外获取约化密度矩阵平方与立方的迹。这些量可通过随机测量或量子-经典混合框架获得。相比量子态层析，该方法在保持高精度的同时显著降低了资源开销。（此外，采用带有pinball损失函数的支持向量分位数回归（SVQR）可防止SVR高估。该模型不仅确保在多数情况下超过95%的预测是保守下界，即便输入特征存在2%扰动，仍能对93%以上的预测保持下界可靠性。）所提技术为跨计算、通信和计量应用的量子资源表征提供了实用且可扩展的工具。