arXiv · quant-ph· Guedong Park, Jinzhao Sun, Hyunseok Jeong·· 7 小时前
图态噪声的低开销整形与学习：基于Clifford层级电路的方法
Low-overhead tailoring and learning of noise in graph states
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：Guedong Park, Jinzhao Sun, Hyunseok Jeong
期刊信息（来源提供）：Phys. Rev. A 114, 042428 (2026)
研究任务与主要进展
该研究提出一种面向图态和超图态的低开销噪声整形与学习电路方案，将含噪输入态转换为对角形式并建立噪声率卷积方程。作者报告，任意图态只需单层Bell测量即可完成转换，噪声整形可通过Pauli操作实现，并利用Walsh-Hadamard变换及近似方法解码；作者进一步声称，在相应假设下可用常数采样和多项式时间获得有界噪声估计误差。基于论文摘要，具体硬件平台、完整实验细节和比较结果未说明。
阶段、条件与复现 · 深读核对
- AI 解决哪一个明确的量子问题？
- 训练数据、物理约束、误差与分布外检验是什么？
- 相同精度和总资源下，是否优于已有方法？
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。
来源：arXiv · quant-ph · arxiv.org