收缩酉演化与经典阴影量子化

量子技术的快速发展要求对复杂的量子多体态进行高效表征。然而，完整的量子态量子化需要随系统规模指数级的测量次数，这阻碍了其在大规模量子设备中的实际应用。近期出现的一种重要突破——经典阴影量子化，通过在测量前实施随机Clifford旋转显著降低了样本复杂度，即估计状态性质所需的样本数量。尽管近年来已有大量努力致力于降低样本复杂度以提取大小约为$k$的非连续局部算子，仍然挑战性仍存。本文通过一种混合局部随机和全局确定性酉操作的协议，实现了显著降低的样本复杂度，约为$1.8^k$。关键洞察在于发现一种称为"收缩酉"的确定性全局酉操作，其在降低算子规模方面更高效，从而增强了量子化效率。收缩酉完美地契合了原子阵列量子计算平台的优势，并且可在原子阵列量子处理器中轻松实现。更重要的是，它揭示了经典阴影量子化中一种新策略，表明随机-确定性混合协议在完全随机测量方面更为高效。