量子科技中心_量科网

该研究团队重新审视了费米子线性光学（FLO，即费米子高斯酉变换）的学习问题。针对未知FLO的黑盒查询场景，先前方案需要𝒪̃(n⁵/ε²)次查询（其中n为系统规模，ε为钻石范数误差），且依赖违反费米子超选择规则的非物理操作和/或n个辅助模式来制备FLO的Choi态。本工作建立了高效且实验友好的协议：遵循超选择规则、使用最少量辅助（至多1个额外模式），并显著提升了对参数n和ε的依赖关系。对于任意主动型FLO，该算法最多需要𝒪̃(n⁴/ε)次查询；而对粒子数守恒的被动型FLO，证明𝒪(n³/ε)次查询即可实现。若允许使用n个辅助模式，主动型复杂度可进一步降至𝒪̃(n³/ε)——这是首个达到海森堡精度标度的FLO学习算法。作为副产品，该工作还改进了η粒子Slater determinant态在ε迹距离下的高效态层析技术，将拷贝复杂度优化为𝒪̃(√n η²/ε²)，这一结果可能具有独立研究价值。