学术报告第147期：基于约化密度矩阵RDMs测量的量子态重构

主讲人 (Speaker): 

辛涛

主讲人单位 (Speaker's Institute): 

南方科技大学量子科学与工程研究院

邀请人 (Invited by): 

罗智煌副教授

时间 (Time): 

星期五, 2019/11/08 - 15:30 to 16:30

地点 (Location): 

珠海校区海滨红楼17栋107 (Rm 107, Red House 17)

摘要 (Abstract): 

       传统的量子态重构在当前的量子计算系统中仍然是个富有挑战性的任务，过去研究表明通过局域信息测量实现量子态重构是一种有效识别未知量子态的方法，但是这需要全局量子态能够被其所有约化密度矩阵信息唯一确定（UD属性，Uniquely Determined），我们首次发现一类量子态只有在纯态假设下才具有UD属性，进一步将量子态UD属性从以前的2分类细分到3分类，将有效简化实际系统量子态重构的复杂度。但是如何从约化密度矩阵测量恢复全局量子态也是个需要解决的问题。为此我们基于机器学习搭建神经网络模型用于重构k-local哈密顿量的基态，该模型只需测量量子系统的局域信息，可降低实现量子态重构所需要的测量复杂度。同时我们在4比特的核自旋量子系统中测试了量子态的UD属性新分类以及训练的神经网络在实现量子态重构中的可行性。

主讲人简介 (Speaker's CV): 

辛涛，现为南方科技大学量子科学与工程研究院助理研究员，2018年获得清华大学博士学位，师从龙桂鲁教授；2013年本科毕业于哈尔滨工业大学；2015年-2016年作为访问学者访问加拿大滑铁卢大学量子研究中心，师从中心院长、量子计算领域奠基人Raymond Laflamme教授。长期从事自旋量子动力学研究，主要研究方向为自旋体系量子计算，高效量子态测量和重构，以及混合量子算法在量子问题中的应用。目前已经在PRL、npj QI等学术期刊上发表相关SCI论文近30篇，主持国家级和省级相关研究课题各一项。