• 上海交通大学，信息与通信工程，博士，2018.09 - 2023.06

研究方向：量子机器学习

指导老师：曾贵华教授

• 中南大学，通信工程，本科，2014.09 - 2018.06

基于机器学习的连续变量量子相位估计算法 ，2018.09 - 2019.05

• 针对量子相位估计在测量次数受限场景中动态范围小、优化复杂度高的问题，提出递归贝叶斯估计与显示反馈策略相结合的机器学习算法，从而将动态范围拓展至 [0,2π]，计算复杂度相比离散变量优化方案下降 3 个数量级。

基于连续时间量子蒙特卡洛的量子玻尔兹曼机算法 ，2019.06 - 2020.05

• 针对量子玻尔兹曼机训练负相难计算问题，提出连续时间量子蒙特卡洛采样算法并结合量子平均场近似加速负相采样，通过 81 个量子比特的超算平台仿真表明，量子玻尔兹曼机训练效率得到提升。

基于深度强化学习的量子传感参数估计 ，2020.05 - 2021.09

• 针对时间相关参数估计中全局最优量子调控难求解问题，提出时变量子哈密顿量演化中的深度强化学习量子调控算法，理论证明了封闭与开放系统中时变信号参数估计精度极限与量子速度极限之间的关系以及传统梯度下降算法的次优性，实现了量子演化中的全局最优量子调控并达到量子速度极限 T −4。

基于机器学习的智能量子模拟器验证 ，2021.10 - 2022.7

• 针对量子模拟器浅层析验证效率低、可扩展性差等问题，提出迁移学习与监督学习相结合的端到端量子模拟器验证算法，通过对 30 个量子比特的局部随机测量，实现对量子模拟器的识别与量子属性的预测，增强了量子模拟器验证的效率和可扩展性。

量子生成对抗模仿学习算法 ，2022.03 - 2022.10

• 提出基于变分量子线路的生成对抗模仿学习算法，通过 8 个量子比特的计算平台仿真，展示了算法参数复杂度的多项式下降优势。

量子机器学习鬼成像 ，2022.10 - 2023.05

• 针对传统鬼成像算法需要训练样本大、采样率高和大模型参数等问题，提出量子机器学习鬼成像技术，在目标识别任务中，取得相较于经典算法高达 10% 的精度提升；在图像重建任务中，量子机器学习算法能够重建高质量图像，经典机器学习算法无法成像。

学术活动

• 第十九届全国量子光学学术会议，江西，口头报告 ，2021.08
• 第二十届全国量子光学学术会议，清远，口头报告 ，2022.08

无。

• Xiao T, Huang J, Fan J, et al. Continuous-variable quantum phase estimation based on machine learning[J]. Scientific reports, 2019, 9(1): 1-13.
• Xiao T, Bai D, Fan J, et al. Quantum Boltzmann machine algorithm with dimension-expanded equivalent Hamiltonian[J]. Physical Review A, 2020, 101(3): 032304. (中科院二区 Top, 五年 IF=4.614)
• Xiao T, Huang J, Li H, et al. Quantum generative adversarial imitation learning. New Journal of Physics, 2023, 25(3): 033034. (中科院二区 Top, 五年 IF=5.592)
• Xiao T, Zhai X, Wu X, et al. Practical quantum advantage in ghost imaging, Communications physics (出版中，中科院 1 区 Top, 五年 IF=8.105).
• Xiao T, Huang J, Li H, et al. Intellgent certification for quantum simulation via machine learning. npj Quan. Inf. 2022, 8(1): 1-12. (中科院一区，Top 期刊，五年 IF=12.567)
• Xiao T, Fan J, Zeng G. Parameter estimation in quantum sensing based on deep reinforcement learning[J]. npj Quantum Information, 2022, 8(1): 1-12. （中科院一区，Top 期刊，五年 IF=12.567）