近期,量子研究院辛涛副研究员课题组,在大规模量子态表征方向取得重要研究进展。研究人员基于Transformer深度神经网络学习技术,构建了高效率的量子态保真度估计器并进行了实验验证使用,为未来大规模量子计算表征提供了重要技术支撑。相关成果以“Experimental direct quantum fidelity learning via a data-driven approach”为题发表在《物理评论快报》上。
近日,南方科技大学量子科学与工程研究院副研究员李正达,物理系、量子科学与工程研究院教授范靖云,与西南交通大学信息科学与技术学院罗明星教授合作,在基于纠缠的量子网络验证和拓扑分类领域取得重要理论和实验进展。研究团队在理论和实验上首次针对不同类型的三角形网络的非局域性和网络拓扑区分进行研究,展示了量子网络的基础单元的量子特性。该工作代表了研究量子网络基本结构的实验研究先例,相关成果以“Certifying Network Topologies and Nonlocalities of Triangle Quantum Networks”为题于2024年6月11日在线发表在学术期刊Physical