[论文解读] Reconstructing quantum states efficiently
该论文提出了一种可扩展的量子态重建方法,通过将奇异值阈值化(SVT)与矩阵乘积态(MPS)表示相结合,实现了相对于标准量子层析成像的指数级加速。该方法仅需线性数量的测量和多项式时间的经典后处理,即可高效重建纯态与混合态,即使在包含数百量子比特的大系统中也适用。
Quantum state tomography, the ability to deduce the density matrix of a quantum system from measured data, is of fundamental importance for the verification of present and future quantum devices. It has been realized in systems with few components but for larger systems it becomes rapidly infeasible because the number of quantum measurements and computational resources required to process them grow exponentially in the system size. Here we show that we can gain an exponential advantage over direct state tomography for quantum states typically realized in nature. Based on singular value thresholding and matrix product state methods we introduce a state reconstruction scheme that relies only on a linear number of measurements. The computational resources for the postprocessing required to reconstruct the state with high fidelity from these measurements is polynomial in the system size.
研究动机与目标
- 解决多体系统中标准量子层析成像的指数级资源扩展问题。
- 克服因测量与计算开销过大,导致系统超过约40个量子比特时全态重建不可行的问题。
- 开发一种可扩展的方法,用于验证量子模拟器和信息处理器中的量子态制备。
- 利用约化密度矩阵实现局域哈密顿量的基态与热态的高效重建。
- 为中等到大规模量子装置提供一种实用且可扩展的半定规划层析成像替代方案。
提出的方法
- 使用奇异值阈值化(SVT)求解矩阵补全问题,从不完整测量中重建完整的密度矩阵。
- 采用矩阵乘积态(MPS)表示量子态,实现对低纠缠态的高效存储与操作。
- 通过匹配连续子系统上的局部测量所得的约化密度矩阵,重构全局态。
- 对测量与重建的约化密度矩阵之间的差异,迭代应用SVT以最小化。
- 利用MPS表示降低计算成本与内存需求,避免完整密度矩阵的存储。
- 通过纯化方法将该方法扩展至混合态:将N量子比特上的混合态表示为2N量子比特上的纯态,再通过局部约束进行重建。
实验结果
研究问题
- RQ1是否可以使大规模量子系统中的量子态重建在标准层析成像失效时依然高效?
- RQ2是否仅通过小子系统的局部约化密度矩阵即可唯一重建量子态?
- RQ3奇异值阈值化能否被适配至量子场景,以实现可扩展的低秩矩阵补全?
- RQ4矩阵乘积态在计算成本最小化的情况下,能在多大程度上表示物理上相关的量子态?
- RQ5该方法能否通过纯化与局部约束,扩展至局域哈密顿量的混合态与热态?
主要发现
- 该方法通过将测量与计算资源从系统尺寸的指数级降低至线性,实现了相对于标准层析成像的指数优势。
- 该算法仅使用线性数量的测量和多项式时间的经典后处理,即可实现高保真度的量子态重建。
- 数值模拟显示,该算法在最多20个离子的W态重建中收敛,且对高斯噪声(标准差达0.01)具有鲁棒性。
- 重建保真度(以|⟨ϕ|yn⟩|²衡量)随迭代次数增加而提升,表明在噪声条件下具有稳定的收敛性。
- 由于高效的MPS-SVT混合架构避免了完整密度矩阵表示,该方法可扩展至包含数百个量子比特的系统。
- 该方法可高效验证实验中量子态制备的正确性,例如离子阱W态制备实验,这些实验在标准层析成像下受限于8个量子比特。
更好的研究,从现在开始
从阅读论文到最终审阅,大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成,并经人工编辑审核。