基于随机同调和异调测量的连续变量态矩

连续变量（CV）量子态自然由它们的矩来表征，定义为单模或多模 ladder operators 乘积的期望值。许多 CV 哈密顿量和量子算法直接以这些矩的形式表述，因此需要一种高效的估计矩的 procedure，在有限态测量下。文中，我们提出一种基于随机同调和异调测量的 CV 态矩生成函数的阴影层析协议。所得阴影使得许多多模矩能够高效且同时估计。我们的复杂度分析表明，估算某个矩到给定精度所需的测量数量随矩的阶数指数增长。最后，我们通过将阴影应用于两个任务来评估这些矩估计器的精度：基于什库金-沃格尔协议的 Gaussian 和非 Gaussian 态中的纠缠检测，以及光子芯片中的光学损耗表征。我们证明两个任务仅用几千次随机测量即可完成。所需测量数量少，结合高效样本处理，使我们的协议适用于广泛的 CV 模拟任务。