【儀表網(wǎng) 研發(fā)快訊】近日，電子科技大學基礎與前沿研究院Abolfazl Bayat 教授帶領研究團隊在量子傳感領域取得了新進展，相關研究成果以題為“Overcoming Quantum Metrology Singularity through Sequential Measurements”的論文發(fā)表于中科院一區(qū)Top期刊《Physical Review Letters》。2021級博士研究生楊曜菱為論文第一作者，Abolfazl Bayat 教授為通訊作者，電子科技大學基礎與前沿研究院為論文第一單位。
利用量子力學實現(xiàn)未知參數(shù)的精密估計，是當前科學研究的前沿熱點之一，在基礎科學探索和實際應用領域都發(fā)揮著關鍵作用。盡管單參數(shù)估計的理論框架已較為完善，但實際應用往往涉及同時估計多個未知參數(shù)，這極大增加了問題的復雜性，帶來了嚴峻的理論和實踐挑戰(zhàn)。
為有效解決多參數(shù)量子傳感問題，研究人員們通常采用Fisher信息矩陣為基礎的數(shù)學框架作為理論支撐。然而，當Fisher信息矩陣變得奇異(即不可逆)時，將直接導致參數(shù)估計難以進行。這種奇異性可能由以下原因引起：(一)現(xiàn)實中本應彼此獨立的未知參數(shù)，在量子探針的編碼過程中可能產(chǎn)生關聯(lián)；(二)測量得到的數(shù)據(jù)可能不足以同時區(qū)分所有待估參數(shù)。針對測量數(shù)據(jù)不足引發(fā)的奇異性問題，本研究提出了一種通用且簡潔高效的連續(xù)測量策略。該策略僅需對連續(xù)的測量結果進行跟蹤，甚至只需要局限在單個量子比特這樣的小型子系統(tǒng)上完成。通過該方法，測量數(shù)據(jù)間可以產(chǎn)生指數(shù)增長的關聯(lián)，有效克服Fisher信息矩陣的奇異性問題。此外，這一方法無需改變測量基底、無需施加外部控制場，也無需引入反饋機制。
圖片說明：圖(i)：一維自旋鏈探針在局部序列測量下的示意圖；圖(ii)： 利用序列測量數(shù)據(jù)對多參數(shù)變量進行貝葉斯估計得到的二維后驗概率熱圖。
本研究結合貝葉斯推斷方法，將提出的連續(xù)測量策略成功應用于強關聯(lián)多體系統(tǒng)以及光與物質(zhì)相互作用的量子模型中，實現(xiàn)了對多個未知參數(shù)的精確推斷。研究結果表明，這種連續(xù)量子測量方法具有廣泛的適用性，實驗要求低，可望在多種量子傳感平臺中實現(xiàn)對多參數(shù)的高精度估計。
基礎與前沿研究院的Abolfazl Bayat教授研究團隊在量子傳感與精密測量、量子模擬與機器學習等領域取得了多項突出成果，已在《自然通訊》(Nature Communications)、《物理評論快報》(Physical Review Letters)、《通訊物理》(Communications Physics)、《量子科學與技術》(Quantum Science and Technology)等國際知名SCI一區(qū)期刊上發(fā)表多篇論文。團隊的研究興趣主要集中在兩個方向：(一)量子傳感與精密測量；(二)量子模擬與機器學習。該項目同時得到了前電子科技大學研究員Victor Montenegro博士的協(xié)助。
所有評論僅代表網(wǎng)友意見，與本站立場無關。