本论文主要内容为如何制备多光子纠缠态和利用这些量子资源实现量子计算,对制备的量子纠缠态的纠缠性质做测量和分类,利用自检测手段来对量子态进行纠缠性质验证。多粒子纠缠资源是量子信息处理中最关键的资源,在量子物理学中,制备粒子数更多的多粒子纠缠态一直都是最受人瞩目和最吸引人的研究方向,在本文中,我们在实验上设计了基于自发参量下转换的超高亮度的纠缠光源,并且成功地完成了十光子纠缠态的制备,这是迄今为止最多光子数的量子纠缠态。这为未来实现更加复杂的量子计算,量子模拟,量子存储提供了关键的助力。在量子计算上,掌握制备多光子纠缠态的技术是一个十分重要的能力,在拥有这个能力之后,我们可以将量子算法应用于制备的光量子比特上实现量子加速。在本文中我们利用制备的四光子纠缠态实现了量子机器学习,这是世界上首次基于量子纠缠的机器学习。我们将多维向量信息编码在光量子比特的极化自由度上,再通过对一个辅助量子比特的投影测量来得到机器学习结果,由此我们实现了基于纠缠的量子机器学习。由于在信息编码上利用了量子纠缠性质和量子叠加态性质,在处理特定问题上,与经典计算机相比可以实现指数级的量子加速。当制备了多粒子纠缠态以后,我们往往还想了解这些态的纠缠性质,于是就需要利用量子层析技术,然而这一技术在粒子数达到一定规模后变得非常困难,在本文中我们引入了 Concurrence纠缠度量理论,利用嵌入式量子模拟器将原来的纠缠态进行扩展,将随时间演化的纠缠态中不可直接测量的非可观察量,通过一个辅助光量子比特转化成可观察量,再通过泡利矩阵测量操作将其读取出来,从而大大简化了整个测量过程,这一方法还可以推广到针对更多量子比特的纠缠态的研究中。多光子纠缠态有很多种类,例如W类和GHZ类,我们在研究纠缠态的纠缠性质时,往往需要对其做纠缠分类,在本文中首次将纠缠多面体的概念和纠缠态蒸馏的概念结合起来,通过对单个光子的状态进行测量,然后利用这个测量结果进行反馈量子控制实现纠缠蒸馏操作,我们从获取的迭代的蒸馏结果中实现对不同的纠缠进行唯一的分类。量子自检测是一种证明量子态和量子测量的方法,它仅使用输入-输出统计数据,对量子设备的假设最小,具有独立于设备的特点。然而,由于对可容忍噪声的高要求,实验自检测仅限于双光子系统。在这里,我们成功演示了第一个针对于多粒子纠缠态的具有鲁棒性的自检测方案。在实验中,我们制备了两个不同类型的四光子图态,分别是保真度为0.957（2）的Greenberger-Horne-Zeilinger态和保真度为0.945（2）的线性簇态。基于观察到的输入输出统计量,我们证明了真正的四光子纠缠,并进一步以一种与器件无关的方式估计了它们在现实噪声下的纠缠质量。