量子科技中心_量科网

量子分类器的性能通常通过全局态可区分性或变分模型的可训练性来分析。该研究探讨了在噪声环境下，受限于局域性测量的情况下仍可获取多少类别信息。研究人员将二元量子分类表述为受限量子态区分问题，并引入了一种局域性受限可区分性度量，该度量量化了最多作用于k个子系统的可观测量所能达到的最大偏差。对于受独立退极化噪声影响的n量子比特系统，局部可访问信号由依赖于泡利权重的收缩机制所主导。这启发了一种可计算的预测因子——k-局域泡利可访问振幅Ak(p)，它为最优k-局域分类优势提供了下界。在四量子比特编码上的数值实验表明，经验准确度与跨噪声水平的预测值之间存在定量吻合。该研究确定了一个操作性崩溃阈值：当超过该阈值时，k-局域分类器将与随机猜测无法区分，尽管全局可区分性仍然存在。