量子科技中心_量科网

最近提出的随机纯化信道（将任意混合量子态的n个副本转化为相同均匀随机纯化的n个副本）已成为量子信息理论中的强有力工具。受此启发，该研究团队引入了信道层面的类比方案——随机Stinespring超信道。该方案通过可高效实现的通用编码与解码操作，将任意量子信道的n次并行查询转化为相同均匀随机Stinespring等距的n次并行查询。当信道被承诺具有不超过r的Choi秩时，该方案可调整为生成维度为r的Stinespring环境。由此，量子信道学习可简化为等距学习，基于现有等距学习协议开发的简易信道学习算法，其性能与最近提出的两种信道层析成像算法相当。补充而言，尽管这些算法的最优性此前仅在维度对数因子范围内得到证实，该工作通过从下界移除该对数因子填补了这一空白。综合来看，这些结果完整确立了近期信道学习算法的最优性，表明学习输入维度为dA、输出维度为dB且Choi秩为r的量子信道的最优查询复杂度为Θ(dAdBr)。