量子科技中心_量科网

量子态分类问题探讨如何准确识别一个未知量子态，该量子态被承诺从一组已知纯态中抽取。该研究团队引入“k-可学习性”概念，其刻画了使用最多k次猜测且零误差识别正确态的能力。研究表明，判定给定态族是否具有k-可学习性可通过半定规划解决。当存在n个量子态时，该工作提出多项式时间（关于n）算法用于确定k-可学习性的两种情况：当k为固定常数或量子态维度为固定常数时。当k和量子态维度均作为输入参数时，研究人员证明存在简洁证书使该问题属于NP类，并通过经典k-团问题的归约确立其NP难性。这些发现共同划定了完美（零误差）场景下量子态分类问题可高效求解与难解实例的边界。