影子测量中可适应性可实现指数级优势
量子物理
2024-12-30 v1 信息论
机器学习
math.IT
摘要
近年来,人们对在仅能进行非纠缠测量的约束下,从量子数据中学习的统计复杂性表现出浓厚兴趣。而在此设置下确定紧致下界的一个关键挑战在于要应对测量可以以自适应方式选择的事实。一个反复出现的主题是自适应性相对于更直接的非自适应协议几乎没有什么优势。在本文中,我们提出了一种反例。我们表明,对于影子测量这一基本任务,使用自适应选择的两拷贝测量的协议相对于任何使用非自适应两拷贝测量的协议具有指数级的样本效率优势。
引用
@article{arxiv.2412.19022,
title = {Adaptivity can help exponentially for shadow tomography},
author = {Sitan Chen and Weiyuan Gong and Zhihan Zhang},
journal= {arXiv preprint arXiv:2412.19022},
year = {2024}
}
备注
6 pages