研究人员开发了一种新颖的固定协议分摊MPS估计器用于量子态层析成像，以更少的测量次数显著提高了保真度。该方法在最近的arXiv论文中有所详述，它以信息性的局部泡利测量而非随机字符串为条件，从而实现了约0.95的高保真度估计。该方法还提供了保形预测不确定性区间，即使对于未测量的可观测量也是如此，并且随着系统规模和参数化的增长，其性能表现稳健，并成功在IBM硬件上实现。 AI
影响 这项研究可能导致更高效的量子态表征，从而加速量子计算的发展。
排序理由 详细介绍新方法和实验结果的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2607.11273v1 Announce Type: cross Abstract: Quantum state tomography is sample-starved, and the states one prepares live on a narrow, learnable manifold. A $k{=}0$ prior-only control shows that on concentrated families a prior estimate is already near-optimal, so ``high fid…
Quantum state tomography is sample-starved, and the states one prepares live on a narrow, learnable manifold. A $k{=}0$ prior-only control shows that on concentrated families a prior estimate is already near-optimal, so ``high fidelity at few measurements'' can be family memoriza…