深圳量子科学与工程研究院立足于量子科学与工程这一前沿科学领域，布局了量子物态，量子精密测量、量子材料、量子计算、量子工程应用五大研究方向。自成立以来，科研成果年年攀升，共发表SCI论文270余篇。

为了夯实科研基础，展现团队实力，特为量子研究院2019部分代表性的科研工作进展做出如下介绍：

1. 12比特上实验实现量子伪随机操作生成器：

    量子研究院李俊副研究员与合作者在核磁共振平台上实验实现了12比特量子伪随机操作生成器。研究人员实现了通过随机哈密顿量演化生产随机量子操作的方案，并提出了用多量子相干增长实验方法探测量子操作的随机性程度。在量子信息领域，生成随机量子操作是很多量子信息方案的关键步骤，例如可以应用在噪声刻画、保真度估计、Rényi熵测量等常见的量子实验中。此项工作意味着朝实现高维系统的量子伪随机性生成器迈出了重要一步。该成果发表在国际物理学权威期刊Physical Review Letters上。

在该工作中，研究院的李俊为论文的第一作者兼通讯作者，辛涛为参与作者，南科大物理系的鲁大为副教授和滑铁卢大学的曾蓓教授为共同通讯作者。研究得到多项基金的支持，包括国家自然科学基金青年基金项目，广东省创新创业研究团队项目，以及得到深圳市科学技术创新委员会的资助。

文章链接：https://journals.aps.org/prl/abstract/10.1103/PhysRevLett.123.030502

图1. 样品结构、随机演化轨迹及实验序列。

2. 基于机器学习方法进行量子态层析：

            量子研究院李俊副研究员、辛涛助理研究员与合作者提出了基于经典机器学习的量子态层析方法。所研究的问题是获取局域耦合的多体哈密顿量的基态。我们希望只用到局域的测量信息，因为这样的测量数据是有效增 长的。一般地，给定哈密顿量，很容易得到它的所有局部信息，但是反过来的逆问题，即从局域测量信息反推出目标基态却是困难的。这是一个回归问题。我们构造了全联接的前馈神经网络，将大量的哈密顿量及其基态与局部测量信息作为训练集，不断地训练神经网络参数，最后，对于新的基态，成功得实现了只根据其局部测量结果进行态的预测。我们还用大量的核磁共振实验量子态来作检验，显示出该方法具有很好的实用价值。研究院的辛涛为论文的第一作者，李俊为共同通讯作者。研究得到多项基金的支持，包括国家自然科学基金青年基金项目，广东省创新创业研究团队项目，以及得到深圳市科学技术创新委员会的资助等。此项成果发表在nature旗下期刊Npj quantum information上。

文章链接：https://www.nature.com/articles/s41534-019-0222-3

图2. 方法示意图：通过训练神经网络对多体局域哈密顿量的基态进行重构。

3. 基于参数化控制脉冲实现量子态层析：

            量子研究院辛涛助理研究员、李俊副研究员与合作者将量子态重构过程转化成一个量子优化问题，然后采用基于闭环学习的混合量子经典模型进行优化学习。通过这种方式可以学习一个参数化控制脉冲或者参数化量子线路的序列，该序列可以将需要重构的未知量子态成功驱动到一个简单的直积态如0态，如此可以反向推演出目标量子态的全部信息实现量子态重构。我们进一步在自旋体系上使用该方法成功实现了纠缠态和多体系统量子演化态的重构，重构保真度在95%以上。数值模拟发现随着比特数的增加，在重构一些特定问题的量子态上，如纠缠态、量子多体演化态以及基态上，该方法所需要的测量复杂度是线性增加，这意味着相对于传统量子态重构该方法具有加速优势，在未来大尺度体系量子计算中具有潜在的应用。研究院的辛涛为论文的第一作者兼通讯作者，李俊和南科大物理系鲁大为副教授为共同通讯作者。研究得到多项基金的支持，包括国家自然科学基金青年基金项目，广东省创新创业研究团队项目，广东省基础与应用基础研究基金以及深圳市科学技术创新委员会资助等。目前该成果已经在Physical Review Applied发表。

文章链接：https://journals.aps.org/prapplied/abstract/10.1103/PhysRevApplied.13.024013

图3. 方法示意图。对多体量子系统经过一段时间演化后的状态进行态重构，该方法通过学习一个参数化的控制序列，找到目标态的优化表示。

        4. 反时间宇称反演的量子模拟：

           量子研究院辛涛助理研究员与合作者基于幺正算符的线性叠加算法（LCU），在工作系统中引入辅助比特，提出了实现反宇称时间对称性（anti-PT）哈密顿量动力学演化的普适量子线路框架。该方法不依赖具体的量子计算平台，对一般的反PT对称性哈密顿量都具有适用性。基于此方案，他们在核磁共振系统中实验研究了反PT对称系统的量子信息流特性。实验结果表明，当系统处在对称性的破缺相时，信息流会在环境和系统之间往复振荡，出现了信息回流 (information backflow) 现象，而这在厄米物理体系中是不存在的。在信息回流发生的时间内，反PT对称系统中存在记忆效应，这意味着动力学过程是非马尔可夫的。该工作拓展了传统厄米哈密顿量体系研究的范畴，对后续非厄米量子系统以及开放量子系统的研究具有借鉴意义。量子研究院的辛涛和清华大学物理系龙桂鲁教授为共同通讯作者。研究得到多项基金的支持，包括国家自然科学基金青年基金项目以及广东省基础与应用基础研究基金等。目前该工作已经发表在nature旗下期刊Npj quantum information上，

文章链接：https://www.nature.com/articles/s41534-020-0258-4

图: 反PT系统中信息流的实验结果