量子科技中心_量科网

与模型无关的量子态特性估计是量子技术中的核心挑战，因为实验缺陷、漂移以及实际量子动力学的不精确模型都会不可避免地阻碍准确重构。本文提出了一种光子量子极限学习机的训练策略：其学习阶段和测量设置的优化完全通过经典光完成，而推断过程则在真正的量子态上进行。该协议基于线性光学储层中相干态演化后的归一化输出强度与可分离输入量子态输出统计量之间的恒等关系。基于这一对应性，该团队直接在实验数据上实现了对储层测量投影的无模型梯度优化，无需依赖设备转换的先验模型。实验证明，这种经典到量子的迁移能力可精确重构未见单光子态的单量子比特泡利可观测量，并能扩展至任意二分态的双量子比特纠缠见证估计。该团队的成果不仅展示了一种跨越经典-量子边界的、本质不同的分布外泛化形式，还为光子量子学习设备提供了一条快速、自适应且资源高效的实用化训练路径。