量子精密测量告诉我们如何在有限的探针数目和有限的干涉时间里得到最好的信道参数估计。如果我们不使用任何的诸如量子纠缠之类的量子效应,那么我们的信道参数估计误差最好也就是1/√级别的。这就所谓的标准量子极限。量子纠缠等量子效应可以将信道参数估计误差降到1/级别。此所谓Heisenberg极限。但是环境噪声会让Heisenberg极限又变为标准量子极限。此外,很多的量子精密测量方案会要求许多的实验数据。还有些方案会用到一些十分难以实现的探针初态,有时候最后的测量方案有时候也十分难以实现。这些都会限制量子精密测量的实现以及其应用范围。量子纠错码已经被引入到量子精密测量来对抗Markovian噪声并重塑Heisen-berg极限。我们研究了如何在没有辅助系统的情况下给并行量子精密测量设计量子纠错码来对抗无关联的Markovian噪声。我们展示了并行量子精密测量在没有辅助系统的帮助下利用量子纠错码对抗Markovian噪声时相对于串行量子精密测量的优势。利用机器学习设计出来的有反馈的量子精密测量方案具有超越标准量子极限以及对抗诸如探针丢失和信道参数涨落噪声的能力。此外,有反馈的量子精密测量还能够提供单发参数估计。因此不需要大量的实验数据来确保高的参数估计精度。而机器学习能够为不同的探针初态和量子测量方案设计量子精密测量反馈方案。我们提出了一个反馈拟设来降低量子精密测量反馈方案的设计复杂度。利用该拟设,我们把设计量子精密测量反馈方案的复杂度由7降到了4.我们可以在更短的时间里给更大的探针系统设计有反馈的量子精密测量方案。前人最多给有100个探针的系统设计量子精密测量反馈。我们最高给有207个探针的系统设计反馈方案。同时,我们设计的有反馈的量子精密测量方案给出的信道参数估计的精度与前人设计的方案给出的参数估计精度相当。我们的方案对探针丢失和信道参数涨落噪声具有较高抵抗力。此外,我们设计的反馈方案还具有高度的延展性。例如,我们为有207个探针的系统设计出来的反馈方案可直接给有220个探针的系统用,而且给出的信道参数估计的误差下降趋势几乎是一样的。我们分别为正弦态和自旋压缩态设计了量子反馈方案。当我们的探针初态是自旋压缩态的时候,我们把其压缩时间和我们的反馈控制参数放在一起用机器学习优化。由此得出的有反馈的量子精密测量方案能够给出更好的信道参数估计精度,更强的抗噪声能力和和更大的延展性。