本研究报告提出了一种有效的算法，可以通过使用 Clifford 门和 O (log (n)) 非 Clifford 门来高效地学习一个量子态，并介绍了一种用于学习大稳定子维度的算法，其中量子态的稳定子维度使用一个由 2^k 个 Pauli 操作符的交换群来稳定。此外，我们还开发了一种有效的质检算法来测试稳定子维度。

May, 2023

该研究论文研究了如何通过量子状态的测量来生成假设，以指导下一次测量的选取，即减少答案预测失误率。

Feb, 2018

学习浅层量子电路的多项式时间经典算法，使用单比特测量数据和局部逆置的量子电路表示，可以高效地学习难以模拟的量子电路。

Jan, 2024

利用计算学习理论，本文证明：对于大多数实际目的，传统的量子态重构只需测量数量呈线性增长关系，而非指数函数关系；同时，该定理可应用于量子计算的模拟和验证领域。

Aug, 2006

基于研究对现代量子设备的实际限制如何影响量子学习的复杂性，通过自然环境中对多个副本进行测量和采用 Schur-Weyl 采样的方式，揭示了量子学习中量子复制与纠缠之间的平滑交换，特别是在拓扑近似条件下的观测联通性以及从最大混合态偏离程度的估计。

Feb, 2024

证明了可以通过 O (n^2) 单比特测量来认证几乎所有 n 比特目标态，包括具有指数电路复杂性的目标态，并通过建立一种新的与随机行走的混合时间相关的技术，将认证与目标态的混合时间相关联。

Apr, 2024

学习量子态和幺正算子的复杂度与创建这些态和算子的复杂度相关，量子状态重构和学习存在困难，但学习量子电路生成的态和幺正算子表明采样复杂度与门复杂度线性相关，查询复杂度与门数线性相关，而计算复杂度根据可信的加密猜想呈指数爆炸增长，这些结果限制了量子机器学习模型的表达能力，且对幺正算子学习中的 no-free-lunch 定理提供新的视角。

Oct, 2023

使用自适应独立测量可以匹配使用纠缠测量的算法的复制复杂度，但对于判断量子状态在跟最大混合态之间的距离是否大于 ε 这一基本问题，则在自适应独立测量的情况下，必须达到 Omega (d^(4/3)/ ε^2) 的下限。

Apr, 2020

通过机器学习协议，可以对定义在物理参数 $m$ 维空间上的哈密顿量族的基态及其性质进行预测，但泛型缝合哈密顿量的精确预测需要指数级样本复杂度；当 $m$ 是有限的常数时且精度为主要关注点时，通过利用物理约束和预测密度矩阵的正定核，可以获得样本复杂度的指数级改进，特别地，在强局部性的情况下，样本数可以进一步降低。

Apr, 2023

本文研究了在任意状态下的单个量子比特与给定状态下的另一量子比特相互作用时发生的映射，旨在通过一个特殊表示法，即一种任意二维向量子空间的广义 Schmidt 分解，讨论复制质量的一般问题。同时展示了可以复制该类型任何两比特复制机的量子电路，并考虑了这种复制机的简单随机泛化。这些复制机为 BB84 和 B92 量子密码协议的先前提出的最优窃听方案提供了简单的实现。

Oct, 1998