量子信息作为一个量子力学与信息学的交叉前沿领域吸引了研究者们极大的兴趣。人们通过把量子系统特有的纠缠和相干特性引入到传统的信息学中,打破了许多原本的固有认知,在很多研究方向中展现出了量子的优越性。本论文从三个小方向出发,展现了量子信息中对于纠缠资源的应用以及其带来的优势。在第一部分中,我们主要回顾了量子信息中的一些基础概念和知识,其中包括了量子比特、量子逻辑门以及量子态的测量等量子计算中最基础的知识,为之后第三部分的量子机器学习奠定了一定的基础。此外还介绍了量子Fisher信息,为之后的第四部分的有关量子精密测量部分提供了基础的概念。在第二部分中,我们介绍了在可编程的超导量子芯片中实现量子生成对抗网络的实验,其中生成器和判别器都是由单比特旋转门和多比特纠缠门构成的参数化量子电路,并且,我们还使用了Hadamard测试方法来实现对参数梯度的测量。实验中,我们通过对生成器和判别器的交替训练,成功地复制了一个经典的异或门,其4个不同输出态的平均保真度达到了0.927。该实验展示了基于超导量子芯片的量子神经网络具有非线性表达能力,并且具有良好的可扩展性。在第三部分中,我们介绍了一种量子精密测量方案,该方案测量原子自旋系综沿和方向的磁化率,并以超越标准量子极限的精度进行参数估计。在我们的方案中,进行一次参数的估计只需要两次分别沿和方向的单峰测量。经过重复多次（约1000次）的数值模拟,得到其不确定度相对于原子自旋个数的标度为（1.43±0.02）/N0.687±0.003。在第四部分中,我们研究了量子多体系统的基态对角熵,包括XY模型和具有次近邻相互作用的Ising模型。研究表明,无论模型是否可积,多体系统中的对角熵都可以表示为体积项加上对数项修正和常数项,并且量子相变点可以通过对角熵的三个系数来判别。