⚛️ quantum physics

Qurrium: A Python package for randomized measurement-based estimation of quantum state properties

本文介绍了 Qurrium，这是一个基于 Qiskit 构建的开源 Python 软件包，它实现了随机测量协议（特别是经典影子协议），通过端到端的模拟工作流以及对预收集硬件数据的独立分析，来估计量子态的属性（如纯度和熵）。

原作者： Huai-Chun Chang, Teik-Hui Lee, Arthur Strauss, Yu-Cheng Lin, Hsiu-Chuan Hsu

发布于 2026-09-17

📖 1 分钟阅读🧠 深度阅读

原作者： Huai-Chun Chang, Teik-Hui Lee, Arthur Strauss, Yu-Cheng Lin, Hsiu-Chuan Hsu

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

在量子计算的世界中，一台机器所能产生的最珍贵的东西是一种特定的内部组件排列方式，被称为量子态。这些状态是解决复杂问题的原材料，从模拟新材料到破解密码。然而，这些状态极其脆弱且难以描述。不同于仅为零或一的经典计算机比特，量子态存在于一个广阔的多维空间中，它可以同时是许多种可能性的混合体。为了理解量子计算机究竟在做什么，科学家必须对其进行测量。但测量量子系统的行为非常棘手；它会迫使系统坍缩成一个单一的、确定的结果，从而破坏了之前存在的微妙信息。如果科学家想要了解量子态的完整本质，他们不能仅仅观察一次。他们必须重复这个过程很多次，但要以一种既能揭示全貌，又不需要从头开始重建整个状态的方式来进行，是一个巨大的挑战。正是在这里，对高效、可靠的方法来窥探量子机器内部变得至关重要。

一个研究团队开发了一种名为 Qurrium 的新软件工具来解决这个问题。该工具旨在通过一种称为随机测量的方法，帮助科学家估计这些难以捉摸的状态的属性。与其试图测量量子态的每一个细节（这会耗费无法想象的时间），这种方法涉及采集许多随机的快照。想象一下，试图通过在黑暗的房间里从许多不同的、随机的角度照射一个复杂物体来理解它的形状。你无法一次看到整个物体，但通过收集足够的这些随机瞥见，你可以构建出其整体形态的可靠图像。在量子世界中，这意味着在测量量子比特之前对其施加随机旋转，然后使用计算机将结果拼凑起来，以估计诸如状态的纯度、它所包含的信息量，或它与其他状态的相似度等属性。

研究人员将 Qurrium 构建为一个 Python 包（这是科学界最流行的编程语言），并专门设计用于与领先的量子计算软件框架 Qiskit 协同工作。这种设计选择意味着该工具对于成千上万已经在利用 Qiskit 的研究人员来说是立即可用的，消除了学习一种新的、专门化语言的障碍。该软件提供了两种不同的工作方式。第一种是完整的端到端工作流，用户可以在同一个程序中准备量子电路、运行随机测量并分析结果。第二种是针对那些已经从真实量子机器中收集到数据的科学家的独立工具。这使得他们可以将现有的测量记录输入软件，从而提取答案，而无需重新运行模拟步骤。这种灵活性至关重要，因为它弥合了理论模拟与物理硬件杂乱现实之间的鸿沟。

为了证明该工具的有效性，团队在两种截然不同的场景下对其进行了测试。首先，他们检查了一个“簇态”（cluster state），这是一种作为量子计算资源的特定类型量子排列。他们使用该软件来检查状态保持完好的程度，并测量系统中不同部分之间的连接。结果与理论预测完美吻合，表明该软件能够准确计算状态的纯度以及簇态与其他已知状态之间的重叠度。其次，他们观察了一个根据伊辛模型（Ising model）规则随时间演化的系统，这是一个理解材料中自旋如何相互作用的经典框架。他们追踪了状态随时间演化的变化过程，测量了系统在不同时刻的熵（即无序度）。在这些测试中，他们将软件对来自完美、无噪声模拟的数据的分析，与来自台湾中央研究院构建的真实物理量子处理器的数据进行了对比。

来自真实硬件的结果显示了预期的缺陷。虽然理想的模拟产生了平滑、可预测的曲线，但来自物理处理器的数据表现出了偏差，揭示了当前技术中固有的噪声和误差。例如，在测量演化状态与起始点之间的重叠时，真实机器显示的准确度下降比模拟情况更大，这表明物理量子比特失去相干性的速度比预期更快。尽管存在这些误差，软件仍成功捕捉到了系统的整体行为，证明了它能够区分真实的量子动力学与硬件引入的噪声。这种分离信号与噪声的能力对于基准测试和改进未来的量子设备至关重要。

论文总结道，Qurrium 提供了一种稳健且易于获取的方式来表征量子态，使先进的分析方法能够面向更广泛的研究群体。通过支持全模拟和真实数据分析，该工具帮助科学家理解其量子硬件的能力与局限性。研究人员还强调，该软件可以扩展以支持直接的硬件执行，允许用户在单一环境中运行实验并分析结果。此外，利用相同的随机测量数据来比较在不同机器上准备的状态，为不同量子平台之间的标准化验证打开了大门。这项工作并不声称已经解决了量子测量中的所有问题，但它提供了一个实用、高效且开源的解决方案，使量子态表征这一复杂任务更接近于量子科学家的日常实践。

“Qurrium：一个用于随机测量基态属性的 Python 软件包”技术摘要

问题陈述
量子态的表征对于从哈密顿量模拟、硬件校准到算法设计等应用都至关重要。虽然随机测量协议为在各种硬件平台（如离子阱、超导量子比特等）上估计量子态属性（如纯度、熵和重叠度）提供了一种资源高效的框架，但目前迫切需要能够将这些协议集成到主流量子计算生态系统中的可访问软件工具。现有的工具（如基于 Julia 的 RandomMeas.jl）虽然存在，但并未利用 Python 和 Qiskit 的广泛普及。作者指出，对于已经在 QiskK 框架内工作的研究人员而言，缺乏一个原生的 Python 实现，这降低了进入该领域的门槛。

方法论
本文介绍了 Qurrium，这是一个直接构建在 Qiskit 之上的 Python 软件包，实现了随机测量协议，特别侧重于经典阴影（classical shadow）协议。该方法论依赖于“先测量，后提问”的范式，即首先进行随机测量，然后在后处理阶段估计特定的物理量。

关键方法论组成部分包括：

经典阴影协议： 该软件包实现了对 $n$ 个量子比特的状态在 $N_U$ 个随机 Pauli 设置下进行测量的协议。对于每个设置，应用一个随机张量积幺正算符 $U$ ，随后进行计算基测量。生成的比特串和计数用于构建“快照”（反转测量投影算符）。通过对这些快照求平均，可以得到密度矩阵（ $\hat{\rho}$ ）的无偏估计量。
估计器： Qurrium 提供了以下估计器：
- 线性观测量： 通过 $\langle O \rangle = \text{Tr}(O \hat{\rho})$ 估计 Pauli 算符的期望值。
- 非线性泛函： 纯度（ $\text{Tr}(\rho_A^2)$ ）和二阶 Rényi 熵。
- 状态重叠度： 本文推导并实现了一个用于估计两个状态 $\rho$ 和 $\rho'$ 之间重叠度的无偏估计器 $\hat{f}_2(\rho, \rho') = \frac{1}{N_U} \sum_m \text{Tr}[\rho^{(m)} \Pi'^{(m)}]$ ，其中一个状态被反转（阴影），而另一个保持为原始投影算符。这使得在独立制备的两个状态之间进行重叠度估计成为可能。
软件工作流：
- 端到端工作流： 用户通过实例化 ShadowUnveil 类来定义量子电路，执行随机测量（通过 AerSimulator 或硬件），并分析数据以提取属性。该工作流将电路执行、数据收集和分析整合在一个单一的流水线中。
- 独立估计工作流： 用户可以输入预先收集的测量数据（随机幺正算符和比特串），并采用 Qurrium 的数据格式。这允许分析来自任何硬件平台的数据，而无需重新运行模拟或电路制备阶段。

核心贡献

Qurrium 软件包： 一个基于 Qiskit 的 Python 原生实现，将这些先进的表征技术带入了现有的 Qiskit 用户群体。
无偏重叠度估计器： 作者提出了一个特定的推导和实现，用于使用经典阴影估计两个独立制备的量子状态之间的重叠度，将协议的应用范围从线性泛函扩展到了更广领域。
双重工作流架构： 集成式端到端工作流与灵活的独立工作流之间的区别，既支持了新的实验，也支持了对遗留硬件数据的重新分析。
硬件演示： 该软件包被用于分析来自中央研究院（AS QPU）开发的原型超导量子处理器的实验数据，证明了其与真实世界脉冲级控制系统（Quantum Machines 的 OPX1000）的兼容性。

结果
本文通过两个主要用例验证了 Qurrium：

簇态（Cluster State）： 该软件包成功估计了一维簇态的纯度、二阶 Rényi 熵以及稳定子（stabilizer）和非稳定子 Pauli 算符的期望值。它还计算了不同子系统规模下，簇态与参考态（全零态、全加态和 GHZ 态）之间的重叠度。结果与基于稳定子形式理论的预测相吻合。
Ising 时间演化： 该软件包追踪了一个二量子比特系统在 Ising 哈密顿量（ $H = JZ_0Z_1$ $H = J Z_{0} Z_{1}$ ）下的时间演化。
- Pauli 观测量： 对 $X$ 和 $Y$ 观测量的期望值估计与解析解相匹配，尽管真实硬件（AS QPU）表现出的偏差与噪声特征一致。
- 重叠度（Loschmidt Echo）： 对线性（ $\hat{f}_1$ ）和非线性（ $\hat{f}_2$ ）重叠度估计器都进行了测试。由于误差累积， $\hat{f}_2$ 估计器在硬件上表现出较大的偏差，但两者都捕捉到了定性的动力学过程，包括在 $Jt = \pi/2$ 时重叠度消失的情况。
- 熵：子系统的二阶 Réни 熵正确地捕捉到了双体纠缠（bipartite entanglement）的建立过程。真实硬件的结果显示出较低的熵，这表明存在退相干和振幅阻尼现象。

意义与主张
作者将 Qurrium 定位为一个实用工具，旨在弥合理论随机测量协议与量子计算社区实际需求之间的鸿沟。通过利用 Qiskit，该软件包降低了研究人员进行资源高效型状态表征的准入门槛。

文章声称，独立估计工作流在平台无关性方面具有显著意义；只要测量结果和随机幺正算符记录在指定的格式中，任何硬件（离子阱、超导量子比特等）的数据都可以进行统一分析。对中央研究院超导处理器的成功应用表明，该软件包能够处理真实的实验数据，包括脉冲级控制的集成。

作者谦虚地将这项工作描述为迈向更广泛采用经典阴影协议的一步，并指出未来的发展方向可能包括：直接硬件后端集成的端到端执行、使用这些指标作为目标函数的脉冲校准，以及标准化的跨平台验证协议。本文并不声称解决了所有的表征挑战，而是提供了一个稳健且易于使用的框架，用于以比全量子态层析（full tomography）更低的资源开销来估计特定的状态属性。

类似论文