量子科技中心_量科网

量子多体系统中的全局纠缠本质上是非局域的，这引发了能否通过局域观测推断其存在的研究问题。该研究团队在受监控量子电路中对此展开研究，其中投影测量会生成分布于时空中的经典记录。利用图神经网络（GNNs），研究人员将单个量子轨迹表示为有向时空图，并仅凭局域测量数据重构半链纠缠熵。由于信息通过局域消息传递在网络中传播，该架构可直接控制能够聚合关联的时空区域。通过系统性地改变可获取尺度（通过网络深度和分层时空粗粒化），该工作探究了重构全局纠缠所需的测量信息量。研究发现：随着可获取时空区域扩大，预测精度会提升；当采用结合深度与粗粒化的有效时空尺度表述时，不同架构的结果呈现统一规律。这些结果表明，重构全局纠缠所需的信息以时空尺度方式组织，并证明基于图的学习架构为探索全局量子关联如何从局域测量数据中涌现提供了可控的操作框架。