面向精确保真度估计的算子感知阴影重要性抽样
量子物理
2026-03-12 v2
摘要
估计未知量子态与固定目标之间的保真度是量子信息科学中的基本任务。直接保真度估计 (DFE) 可通过根据目标相关分布对可观测量进行抽样来实现，而无需进行完整量子态重构。然而，现有方法面临显著的权衡。基于分组的 DFE 能实现小系统的高精度，但受指数规模限制，且仅适用于 Pauli 测量。相比之下，基于经典阴影的 DFE 具有良好的可扩展性，但对结构化态的精度较低。本文通过开发两种基于信息完备正算符值测量 (POVM) 的算子感知阴影重要性抽样算法来克服上述局限性。以局部 Pauli 测量实现后，我们的算法在 Haar 随机态上优于基于分组的方法。对于结构化态（如 GHZ 态和 W 态），我们的算法也消除了以往分组方法的指数级内存需求。数值实验表明，我们的方法在 Haar 随机、GHZ 和 W 目标上均实现了最佳性能。
引用
@article{arxiv.2511.01608,
title = {Operator-aware shadow importance sampling for accurate fidelity estimation},
author = {Hyunho Cha and Sangwoo Hong and Jungwoo Lee},
journal= {arXiv preprint arXiv:2511.01608},
year = {2026}
}
备注
11 pages, 1 figure, 5 tables