研究亮点

量子精密测量是基于量子力学的基本原理对特定物理量实施测量，并利用量子纠缠、量子压缩、量子关联等量子资源来突破传统测量瓶颈的交叉科学。然而，量子精密测量的四个基本步骤（初始化、信号积累、读取与估计）在实际实现中存在限制。其中，相干时间是宝贵的资源，对量子传感器的性能有极大的制约。机器学习能够在资源有限的情况下，对量子精密测量的关键步骤进行优化，为实现高效且智能化的量子精密测量提供强有力的工具。我们探索了机器优化的纠缠增强量子精密测量，研究了基于贝叶斯推理的量子参数估计。

一般的量子精密测量可分为态制备、信号积累、读取和估计四个步骤，在实际实现中均存在限制。一方面，对于纠缠增强的量子精密测量，纠缠态的制备、操控和探测均受限于量子体系的相干时间。如何在相干时间内，实现最佳的纠缠态制备及探测十分重要。另一方面，实际实验的测量次数是有限的，如何利用有限的测量数据高效准确地提取待测参数的信息也是值得探索的关键问题。近年来，随着信息科学的蓬勃发展，许多机器学习算法逐渐成熟，为解决上述问题提供了有力的工具。机器学习可以通过设计算法，让机器能够自动地从数据中“学习”规律，并利用规律对未知数据进行优化、预测，提供最佳的解决方案，为实现高效且智能化的量子精密测量开辟了一条新的途径。

在实际量子精密测量的研究中，如何实现高效的纠缠态制备和读取以及参数估计过程是十分关键的问题。可用于量子精密测量的典型机器学习算法包括：随机梯度下降、深度强化学习、变分量子算法、贝叶斯推理等。我们利用机器学习的典型算法，对量子精密测量中的态制备、信号积累、信号读取与估计等几个关键过程进行优化，从而实现高效且智能化的量子精密测量[1]。具体研究成果如下：

（1）机器优化的纠缠增强量子精密测量。我们提出了基于机器优化实现高效自旋猫态制备的方案 [2]；发展了基于机器优化的纠缠制备与传感同时进行的方案 [3]；研究了基于深度强化学习的纠缠态制备并用于量子相位估计[4]等。

（2）基于贝叶斯推理的量子参数估计。我们提出了基于熵采样的贝叶斯相位估计新方案，可以大幅减少所需实验测量次数 [5]；利用自适应贝叶斯算法，实现了磁敏感跃迁及钟锁定 [6,7]等。

论文信息

[1] Jiahao Huang*, Min Zhuang, Jungeng Zhou, Yi Shen, Chaohong Lee*, Quantum metrology assisted by machine learning, Adv. Quantum Technol. 2300329 (2024).

[2] Jiahao Huang*, Hongtao Huo, Min Zhuang, Chaohong Lee, Efficient generation of spin cat states with twist-and-turn dynamics via machine optimization, Phys. Rev. A 105, 062456 (2022).

[3] Hongtao Huo, Min Zhuang, Jiahao Huang*, Chaohong Lee, Machine optimized quantum metrology of concurrent entanglement generation and sensing, Quantum Sci. Tech. 7, 025010 (2022).

[4] Yuxiang Qiu, Min Zhuang, Jiahao Huang*, Chaohong Lee*, Efficient and robust entanglement generation with deep reinforcement learning for quantum metrology, New J. Phys. 24, 083011 (2022).

[5] Yuxiang Qiu, Min Zhuang, Jiahao Huang*, Chaohong Lee*, Efficient Bayesian phase estimation via entropy-based sampling, Quantum Sci. Tech. 7, 035022 (2022).

[6] Chengyin Han, Jiahao Huang, Xunda Jiang, Ruihuan Fang, Yuxiang Qiu, Bo Lu*, Chaohong Lee*, Adaptive Bayesian algorithm for achieving a desired magneto-sensitive transition, Optics Express 29, 21031 (2021).

[7] Chengyin Han, Zhu Ma, Yuxiang Qiu, Ruihuan Fang, Jiatao Wu, Chang Zhan, Maojie Li, Jiahao Huang, Bo Lu, Chaohong Lee,  Atomic clock locking via Bayesian frequency estimation, arXiv: 2306.06608