arXiv · quant-ph· Erfan Amidi, Ali Asadian, Ali Hamed Moosavian·· 4 小时前精选
一般二次演化下结构化费米子态的高效学习
Efficient Learning of Structured Fermionic States under General Quadratic Evolution
arXiv:2610.08723v2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：Erfan Amidi, Ali Asadian, Ali Hamed Moosavian
研究任务与主要进展
Erfan Amidi、Ali Asadian和Ali Hamed Moosavian证明，在任意保持宇称的二次费米子演化和单次四阶Majorana测量模型下，学习成对魔态完整Gaussian轨道所需拷贝数达到Θ(n^6/ε^2)，且自适应方法也无法改进。
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
论文摘要给出结构化费米子态学习的拷贝数最优界：在任意保持宇称的二次演化、单次四阶Majorana测量模型下，非自适应学习以Θ(n^6/ε^2)拷贝达到固定置信度的迹距误差；更广的占据模式叠加态则由批量自适应学习器以\widetilde 拷贝恢复。影响结论依赖于这些测量与演化假设，当前材料仅提供摘要，未说明实验实现或独立验证。
来源：arXiv · quant-ph · arxiv.org