量子科技中心_量科网

该工作基于波矩阵林德布拉德化（WML）算法，为基于样本的林德布拉德化模拟建立了改进的样本复杂度界。对于维度为 \(d\) 的跳变算子 \(L\)，该团队推导出一个显式的非渐近样本复杂度界 \(n_d^*(t,\varepsilon) \le \left( \frac{2d+3}{8} \right) \|L\|_\infty^2 \left( \frac{t^2}{\varepsilon} \right)\)，该界适用于模拟时间 \(t\) 和误差 \(\varepsilon\)。这一结果改进了先前已知最佳界 \(O(d^2 t^2/\varepsilon)\)（来自 [Go 等，Quantum Sci. Tech. 10, 045058 (2025)]）的维度依赖性。值得注意的是，该工作表明，当 \(\| L\|_\infty^2 = O(1/d)\) 时，这种维度开销可以完全避免，而该条件对于随机林德布拉德算子以高概率成立，从而得到典型情况下的样本复杂度为 \(O(t^2/\varepsilon)\)。另一方面，在最坏情况下，该工作通过构造一个秩为一的林德布拉德算子的显式例子，证明 WML 必然需要 \(\Omega(dt^2/\varepsilon)\) 个样本。该团队的结果揭示了林德布拉德模拟中典型样本复杂度与对抗样本复杂度之间的鲜明二分法，从而强化了基于样本的量子算法的理论基础。