Pauli 测量在单拷贝态重建中并非最优

量子态重建是量子计算中的一个基本问题。给定 $n$ 个未知 $N$ 比特态 $\rho \in \mathbb{C}^{d \times d}, d=2^N$，目标是以至少 0.99 的概率学习该态，并以迹距离下的误差 $\epsilon$ 为准则。我们关注的是拷贝复杂度，即完成该任务所需的 $\rho$ 拷贝数的最小值为多少。由于在受限环境下的实现便捷性，Pauli 测量引起了广泛关注。目前已知的最佳上界为 $O(\frac{N \cdot 12^N}{\epsilon^2})$，而除一般单拷贝下界 $\Omega(\frac{8^n}{\epsilon^2})$ 外，暂无其他非平凡下界，后者由难以实现的结构化 POVM（如 MUB、SIC-POVM、均匀 POVM）实现。我们在这一长期存在的问题上取得了显著进展。首先，我们证明了更强的上界 $O(\frac{10^N}{\epsilon^2})$。为此，我们提出了适用于自适应量子态重建的新型框架，以度量约束为限制。该方法的主要优势在于，可利用度量依赖的硬实例来为 Pauli 测量证明紧致下界。此外，我们将拷贝复杂度下界与度量信息通道的特征值相联系，这决定了度量区分态的能力。为展示新框架的普适性，我们获得了自适应量子重建中 $k$ 结果度量的紧致界限，既恢复了已有结果，也建立了新的结果。