结构化费米子魔态高斯轨道的拷贝高效学习算法与下界

Erfan Amidi、Ali Asadian 和 Ali Hamed Moosavian 在 arXiv 论文（2610.08723v2）中证明，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，成对魔态完整 Gaussian 轨道可以拷贝数最优地学习：非自适应学习器在固定置信度下，从 Θ(n^6/ε^2) 个拷贝返回与目标迹距离 ε 内的 Gaussian 制备；批自适应学习器从 Õ(n^7/f) 个拷贝返回输入和一条失真度 f 的 Gaussian 线路，仅需多项式经典处理。 该结果不假设粒子数守恒、最小支路权重或谱间隙。每份拷贝只在固定基下对单个四阶 Majorana 可观测量测量一次；作者并证明自适应方法无法改进 Θ(n^6/ε^2) 的拷贝复杂度下界。

AI 根据报道生成 · 4 小时前更新