一种实用高效的贝叶斯量子状态估计方法

摘要贝叶斯推断是量子状态测量的强大范式，以有意义和信息丰富的方式处理不确定性。然而，与从复杂概率分布中抽样相关的数值挑战在实际环境中阻碍了贝叶斯成像。在本文中，我们介绍了一种改进的自包含贝叶斯量子状态估计方法。借助机器学习和统计学的进步，我们的公式依赖于高效的预处理 Crank-Nicolson 抽样和伪似然。我们理论分析了计算成本，并提供了实际和模拟数据集的推断示例，说明相较于现有方法有改进的性能。