量子科技中心_量科网

该研究团队考察了实际单拷贝场景，假设观测结果中γ比例的数据可能被对手任意篡改。研究表明，即使拥有无限拷贝，所有非自适应阴影层析算法对某些特定可观测量必然会产生ε=Ω̃(γ√min{M,d})的误差下限。值得注意的是，[huang2020predicting]提出的经典阴影算法及直接测量每个观测量的朴素算法会产生更大误差。 研究人员设计了一种创新算法，其误差ε=Õ(γmaxᵢ∈[M]‖Oᵢ‖_HS)在M≥d时几乎达到理论最坏误差下限，当观测量具有更强结构特性时精度更优。该算法仅需n=1/γ²log(M/δ)个拷贝就能以至少1-δ概率达成目标误差，这与无污染测量场景下经典阴影算法的样本复杂度相匹配。该算法概念简洁且易于实施，保真度估计的经典模拟显示其在对抗性噪声下比[huang2020predicting]具有更强鲁棒性。 最后，通过全态层析到阴影层析的约化证明，针对秩r量子态，对抗鲁棒态层析可同时实现ε=Õ(γ√r)的近最优渐近误差和Õ(dr²/ε²)=Õ(dr/γ²)的拷贝复杂度，从而弥补了[AliakbarpourBCL2025robustquantum]中需伪多项式量级拷贝(d)才能获得最优误差的重大缺陷。