基于张量网络和信息完备测量的多观测量低方差估计
量子物理
2025-07-25 v3
摘要
准确估计量子系统性质是量子计算和量子信息领域的核心挑战。我们提出了一种方法，通过对信息完备测量（informationally-complete measurements）后的处理，使用张量网络获取多个观测量的无偏估计量，以获得低统计误差。与基于经典阴影和测量框架的其他可观测量估计协议相比，我们的方法具有以下优势：(i) 可优化以提供更低的统计误差，从而减少实现特定估计精度所需的测量预算；(ii) 由于张量网络结构，能够扩展到大量量子比特；(iii) 可应用于任何具有高效张量网络表示的测量算子。我们通过各种数值示例进行基准测试，包括自旋系统和化学系统，显示我们的方法能够提供比经典阴影更低的统计误差。
引用
@article{arxiv.2407.02923,
title = {Low variance estimations of many observables with tensor networks and informationally-complete measurements},
author = {Stefano Mangini and Daniel Cavalcanti},
journal= {arXiv preprint arXiv:2407.02923},
year = {2025}
}
备注
21 pages, 5 figures. Minor revisions, accepted version for publication in Quantum