近日，在俞大鹏院士的带领下，深圳国际量子研究院超导量子计算实验室谭电课题组，联合辛涛课题组和刘松课题组，在量子态层析领域取得了重要实验进展。研究团队实验上首次展示了并行量子态层析方法在超导量子比特芯片上的可行性。 该方法大幅减少了所需的测量成本，提高了系统对噪声的鲁棒性，并采用张量网络学习实现了迄今为止最大规模的12量子比特W态的密度矩阵重构。 相关成果以“Experimental Sample-Efficient Quantum State Tomography via Parallel Measurements”为题于2024年10月17日在国际学术期刊Physical Review Letters上在线发表。

量子态层析（Quantum State Tomography, QST）是量子信息科学中表征和重构量子系统的关键工具。它在量子信息、量子纠缠源、非厄米物理等领域有着重要应用。然而，随着量子系统规模的扩大，传统的全量子态层析（FQST）方法因数据采集和处理量指数增长，已难以应对大规模系统的需求。 为应对这一瓶颈，F. Wilczek等科学家提出了量子重叠层析（QOT）这一全新的工具。研究团队基于QOT开发了高效的并行量子态层析（PQST）方法，通过并行测量显著减少了所需的观测量，并增强了系统对测量噪声的鲁棒性。与局部量子态层析（LQST）相比，PQST不仅减少了测量样本量，还提高了抗噪能力。在实验上，研究团队在超导量子比特芯片中设计了高效电路，制备了W态、哈密顿量基态及随机态，并通过FQST、LQST和PQST分别重构了这些态的密度矩阵。

研究团队首次展示了PQST在超导量子比特芯片上的可行性，并采用张量网络学习实现了迄今为止最大规模的12量子比特W态的密度矩阵重构。研究团队仅使用243个观测量便达到了89.23%的重构精度，而FQST则需要531,441个观测量。 此外，PQST还在6比特和9比特W态的重建中分别取得了98.68%和95.07%的态保真度。

此外，PQST还展示了在量子态属性学习中的潜力，包括两比特关联和子系统纠缠墒等量子特性的测量。PQST为量子态的重构、表征、基准测试和属性学习提供了新的工具，极大拓展了其在量子化学、多体物理模拟等领域的应用。

在该研究成果中，深圳国际量子研究院胡长康与博士研究生魏超、刘炽隆为论文共同第一作者。刘松、谭电、辛涛和俞大鹏院士为通讯作者。深圳国际量子研究院为论文第一完成单位。该工作得到了广东省科技厅、深圳市科创局、国家自然科学基金委、南方科技大学和合肥国家实验室等单位的大力支持。