使用低能相干态学习量子信道的分布外泛化

在通过输入探测来实验学习连续变量量子过程的作用时，所使用的输入态通常会存在一些限制。一种实验上简单的探测量子信道的方法是使用低能相干态。以这种方式学习量子信道存在困难，因为两个信道在低能输入上可能作用相似，但在高能输入上却大相径庭。它们在相干态输入上也可能作用相似，但在非经典输入上表现不同。从信道在极其有限的低能相干态集合上的作用，外推其对更普遍输入态的行为，属于分布外泛化问题。为确保此类泛化能给出有意义的结果，需要将训练集的误差界限与对所有输入均有效的界限联系起来。我们证明，对于任意一对在低能相干态输入上作用足够相似的信道，都可以界定它们对于任意（高能或高度非经典）输入的输入-输出关系的差异程度。这证明了只要使用足够多的样本，使用低能相干态学习量子信道的分布外泛化总是可行的。