量子科技中心_量科网

基于准概率分解的重要性采样是许多广泛应用技术的核心方法，例如误差缓解、线路编织以及更广义的虚拟量子资源提纯技术——它使研究人员能够模拟特定实验环境下无法实现的操作。然而这类协议存在一个根本性局限：仅能用于估计期望值。本工作提出了一个通用框架，可将任何基于准概率的协议从期望值估计升级为弱模拟器，仅利用受限类别的量子资源即可实现目标分布的采样。该方法的采样成本与准概率的负性度成正比，这与传统基于估计的朴素方法形成鲜明对比——后者即使在小负性度情况下仍需大量样本。研究证明，在误差缓解、纠缠态提纯和魔术态提纯等多个重要场景中，该框架所需样本量显著减少。该工作通过不实际提纯量子态而实现资源弱模拟，为量子资源提纯理论引入了全新范式。