科研学术

       近日，基础与前沿研究院Abolfazl Bayat 教授带领研究团队在量子传感领域取得了新进展，相关研究成果以题为“Overcoming Quantum Metrology Singularity through Sequential Measurements”的论文发表于中科院一区Top期刊《Physical Review Letters》。2021级博士研究生杨曜菱为论文第一作者，Abolfazl Bayat 教授为通讯作者，电子科技大学基础与前沿研究院为论文第一单位。

利用量子力学实现未知参数的精密估计，是当前科学研究的前沿热点之一，在基础科学探索和实际应用领域都发挥着关键作用。尽管单参数估计的理论框架已较为完善，但实际应用往往涉及同时估计多个未知参数，这极大增加了问题的复杂性，带来了严峻的理论和实践挑战。

为有效解决多参数量子传感问题，研究人员们通常采用Fisher信息矩阵为基础的数学框架作为理论支撑。然而，当Fisher信息矩阵变得奇异（即不可逆）时，将直接导致参数估计难以进行。这种奇异性可能由以下原因引起：（一）现实中本应彼此独立的未知参数，在量子探针的编码过程中可能产生关联；（二）测量得到的数据可能不足以同时区分所有待估参数。针对测量数据不足引发的奇异性问题，本研究提出了一种通用且简洁高效的连续测量策略。该策略仅需对连续的测量结果进行跟踪，甚至只需要局限在单个量子比特这样的小型子系统上完成。通过该方法，测量数据间可以产生指数增长的关联，有效克服Fisher信息矩阵的奇异性问题。此外，这一方法无需改变测量基底、无需施加外部控制场，也无需引入反馈机制。

图片说明：图(i)：一维自旋链探针在局部序列测量下的示意图；图(ii)： 利用序列测量数据对多参数变量进行贝叶斯估计得到的二维后验概率热图。

       本研究结合贝叶斯推断方法，将提出的连续测量策略成功应用于强关联多体系统以及光与物质相互作用的量子模型中，实现了对多个未知参数的精确推断。研究结果表明，这种连续量子测量方法具有广泛的适用性，实验要求低，可望在多种量子传感平台中实现对多参数的高精度估计。

基础与前沿研究院的Abolfazl Bayat教授研究团队在量子传感与精密测量、量子模拟与机器学习等领域取得了多项突出成果，已在《自然通讯》（Nature Communications）、《物理评论快报》（Physical Review Letters）、《通讯物理》（Communications Physics）、《量子科学与技术》（Quantum Science and Technology）等国际知名SCI一区期刊上发表多篇论文。团队的研究兴趣主要集中在两个方向：（一）量子传感与精密测量；（二）量子模拟与机器学习。该项目同时得到了前电子科技大学研究员Victor Montenegro博士的协助。

论文链接：https://journals.aps.org/prl/abstract/10.1103/gsyv-jllq