量子科技中心_量科网

高效表征大规模量子态和量子过程是量子信息科学中一个核心但极具挑战性的任务，因为传统层析方法通常需要随系统规模呈指数级增长的资源。该研究团队提出了一种可证明高效且结构无关的学习框架，适用于任意噪声强度下含噪n量子比特电路的一般性噪声场景。研究人员首先开发了一种针对酉噪声量子态的样本高效学习算法，并以此为基础将框架扩展至量子过程层析领域，获得了一个同时适用于酉通道与非酉通道的统一协议。该方法具有输入无关特性，不依赖于特定输入分布的假设。理论分析表明，无论是量子态学习还是过程学习，都仅需要多项式数量的样本和多项式级经典后处理资源（以量子比特数为变量），同时能在局部随机电路生成的系综上实现接近单位值的成功概率。对二维哈密顿动力学的数值模拟进一步验证了该方法的准确性和鲁棒性，包括理论分析假设的随机电路场景之外的结构化电路情形。这些成果为表征大规模含噪量子设备提供了一条可扩展且具有实际意义的路径，解决了量子技术发展中的关键瓶颈问题。