迈向玻色高斯量子态的样本最优学习
连续变量系统在量子计算、通信和传感领域实现了关键技术突破。玻色高斯态在引力波探测、暗物质探测等诸多应用中自然涌现。核心科学问题在于如何用最少样本表征未知的玻色高斯态。尽管历经数十年探索,其终极效率极限仍未明晰。该工作研究了以高概率学习能量低于E的n模高斯态至ε迹距离精度所需样本量的必要与充分条件。研究证明:对于高斯测量,样本量下界为Ω(n³/ε²),与已知最优上界仅相差双对数能量依赖;对于任意测量则为Ω(n²/ε²)。进一步发现,当高斯态被限定为纯态或被动态时,样本量上界为Õ(n²/ε²)。值得注意的是,虽然高斯测量对纯态学习已接近最优,但被动态的最优学习必须采用非高斯测量。针对非纠缠高斯测量学习单模高斯态的情形,研究给出了非自适应方案近乎紧致的Θ̃(E/ε²)界限,证明自适应策略对实现能量无关标度律不可或缺。作为具有独立价值的关键技术工具,该团队建立了高斯态迹距离与其Wigner函数总变差距离的严格界限,由此推导出以总变差精度ε学习任意高斯态Wigner分布的样本复杂度为Θ̃(n²/ε²),且可通过高斯测量实现。这些成果极大推进了玻色体系量子学习理论发展,对量子传感与基准测试应用具有重要实践意义。

