基于量子感知Transformer从结构化测量进行量子态层析

量子态层析（QST）是通过一系列不同测量重建量子系统状态（数学上描述为密度矩阵）的过程，可通过学习参数化函数将实验测量的统计量转换为物理密度矩阵来求解。然而，以往工作忽视了用于表征量子态的量子测量的特定结构。在本文中，我们探究了自然语言中具有高度结构的句子与QST中本质结构化测量之间的相似性。为充分利用QST中涉及的量子内在特性，我们设计了一种量子感知Transformer（QAT）模型来捕捉测量频率与密度矩阵之间的复杂关系。特别地，我们在架构中查询量子算符以促进量子数据的信息化表示，并将Bures距离整合到损失函数中以评估量子态保真度，从而能够从测量数据中以高保真度重建量子态。大量模拟与实验（在IBM量子计算机上）证明了QAT在重建量子态方面对实验噪声具有良好鲁棒性的优越性。