一种基于预学习物理神经网络的量子态层析测量方法

本申请公开了一种基于预学习物理神经网络的量子态层析测量方法，涉及轨道角动量纠缠的量子态层析技术领域，方法包括：基于高维轨道角动量纠缠态光子对对信号光子进行两次投影测量，使得对应的闲频光子坍缩，并测量得到闲频光子的两次坍缩的概率分布数据，然后输入至预设OAM纠缠态重建模型中进行迭代，以得到预测纠缠参数并重构目标纠缠态的密度矩阵；预设OAM纠缠态重建模型为PTPINN模型，其中，神经网络子模型为依据预训练的卷积神经网络模型进行参数迁移得到，物理子模型用于依据纠缠参数进行闲频光子的概率分布数据的模拟生成。本申请可有效、准确地表征高维OAM纠缠态。