图状态噪声的低开销调制与学习

图状态和超图状态是实现通用量子计算和多样非局域物理现象的重要资源态。然而，由于其高度纠缠和魔术特性，噪声学习面临挑战。本工作建立一种基于低 Clifford 阶层电路的方案，用于调制和学习由多个受控-Z 门生成的（超）图状态中的噪声。关键在于将噪声输入态转换为对角形式，推导对角噪声率的卷积方程，显示其资源开销更低。这种对角形式可用于实际量子模拟，通过相同的调制技术作用于图状态输入。我们演示，在本方案中，单深度 Bell 测量即可实现任意图状态的噪声调制，而噪声调制可通过 Pauli 运算实现。随后，我们建议采用 Walsh-Hadamard 变换和某些近似方法进行噪声解码。我们证明，常数抽样和多项式时间复杂度足以保证对 l2-范数下噪声估计误差的有界，通常需要指数级复杂度。即使在更严苛的稀疏噪声假设下，l1 近似也能维持多项式复杂度。总之，我们提出了一种低成本表征纠缠态噪声特性的新方法。此外，与状态验证方法相比，我们能获取更丰富的噪声率信息并实现噪声缓解，从而为图状态的制备提供保证。