玻色高斯酉元的高效学习
量子物理
2025-10-08 v1 数据结构与算法
机器学习
摘要
玻色高斯酉元是中心连续变量量子技术（如量子光学干涉测量和玻色误差校正方案）的基本构建块。在本工作中，我们提出了第一个针对玻色高斯酉元学习的时间高效算法，并给出了严格的分析。我们的算法产生对未知酉元的估计，该估计在物理上 motivated 的能量约束钻石距离下具有小最坏情况误差。其运行时间和查询复杂度与模式数、目标精度的倒数以及量化允许输入能量和酉元输出能量增长的自然能量参数呈多项式关系。该协议仅使用实验友好的光子资源：相干和压缩探针、被动线性光学以及外差/同相检测。然后我们使用一个高效的后处理例程，利用辛正则化步骤将矩阵估计投影到辛群。在输入能量无界的极限下，我们的程序仅使用 次查询即可达到任意精度，其中 是模式数。据我们所知，这是第一个针对连续变量酉元多参数族的可证明高效学习算法。
引用
@article{arxiv.2510.05531,
title = {Efficient learning of bosonic Gaussian unitaries},
author = {Marco Fanizza and Vishnu Iyer and Junseo Lee and Antonio A. Mele and Francesco A. Mele},
journal= {arXiv preprint arXiv:2510.05531},
year = {2025}
}