基于后测量态的测量性质学习中的指数级加速
量子物理
2026-02-26 v1
摘要
学习量子态和通道的性质已知可从 entangled operations、辅助量子比特和适应性资源中受益，而测量学习的资源结构，即学习量子测量算子的性质，仍不为人所了解。本文中，我们识别了一个测量学习任务，其查询复杂度因仅获得经典测量结果而受到指数级下界的制约，这一下界通过区分真正的量子投影测量与纯粹经典随机数发生器之间的区分任务得出。令人惊讶的是，即便允许任意 entangled operations、辅助系统和完全适应性策略，这种硬度仍然存在，表明状态和通道学习中惯用的资源在此任务中无效。相反，在获得 post-measurement 量子态后，同一任务可通过简单地测量两次协议在常数查询复杂度下解决，无需状态和通道学习中有用的资源。我们的结果揭示了 post-measurement 态作为一种在测量学习中起决定性作用的新型资源，暗示了其在实际量子认证协议设计中的潜在影响。
引用
@article{arxiv.2602.22126,
title = {Exponential speedup in measurement property learning with post-measurement states},
author = {Zhenhuan Liu and Qi Ye and Zhenyu Cai and Jens Eisert},
journal= {arXiv preprint arXiv:2602.22126},
year = {2026}
}