arXiv · quant-ph· L. Bittel, J. Eisert, W. Gong, A. A. Mele, L. Schatzki·· 7 天前精选
单拷贝测量下自适应学习稳定子态达到最优样本复杂度
Adaptivity is all you need: Optimal stabilizer learning using just single-copy measurements
arXiv:2610.02031v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：L. Bittel, J. Eisert, W. Gong, A. A. Mele, L. Schatzki
首次提交：2026-10-02 00:48
研究任务与主要进展
基于论文摘要，作者提出一种多项式时间自适应算法，仅使用单拷贝Clifford测量即可学习任意n量子比特稳定子态，样本复杂度为Θ(n)，与Bell采样的最优复杂度相当。该方法还导出样本最优的单拷贝容错测试器，并可借助k个量子比特量子记忆实现错误率ε下的Θ(n-k+1/ε)测试权衡；对稳定子零化度至多r的态，包括由有限T门Clifford线路制备的态，所需测量数为O(n2^r)。
阶段、条件与复现 · 深读核对
- 任务输出与输入访问模型是什么？
- 在什么假设、规模与资源条件下成立？
- 与哪种经典基线比较，是否计入编码与读出？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
本站判断
论文摘要提出自适应单拷贝测量学习稳定子态的方法，将样本复杂度从非自适应单拷贝测量的Ω(n²)降至Θ(n)，与Bell采样的最优复杂度一致；核心价值在于无需多拷贝测量即可消除测量策略的样本开销。摘要还给出容错测试权衡及对有限稳定子零化度态的扩展，但具体证明、算法实现与实验验证仍需阅读全文核对。本站设想：可在含噪状态下比较自适应与非自适应策略的有效样本数、测量次数和容错开销。
来源：arXiv · quant-ph · arxiv.org