利用相干态几何集合的高精度高斯过程层析

我们提出了一种实用的策略，用于选择输入相干态集合，使其在通过输出态外差测量重建单模高斯量子过程时接近最优。我们首先推导了解析表达式，用于量化一般过程层析和大数据情况下的重建精度，即均方误差。利用这些表达式，在放宽保迹约束的条件下，我们引入了一组能降低误差的输入相干态集合，该集合独立于测量数据或未知的真实过程——即几何集合。我们通过数值表明，使用此类输入相干态进行的过程重建，其精度几乎与在完全了解过程的情况下选择最佳相干态集合进行重建的精度相同。这使我们能够利用能量相当低的相干态高效地表征高斯过程。我们在数值上观察到，只要平移分量不太大，对于典型参数范围内的任意保迹高斯过程，无保迹约束的几何策略优于所有非自适应策略。