An infinite hierarchy of multi-copy quantum learning tasks

在量子物理的世界中，科学家们在试图了解一个未知系统时，经常面临着一个令人沮丧的权衡。要理解一个量子态，必须对其进行测量，但测量的行为不可避免地会干扰系统，往往会破坏掉他们试图获取的信息。为了获得清晰的图像，研究人员必须多次制备相同的状态，并对每一个副本分别进行测量。获取可靠答案所需的这些副本数量被称为样本复杂度。长期以来，人们一直认为学习复杂的量子系统需要一个不可能的数量，即随着系统规模变大而呈指数级增长。然而，近期的突破表明，如果科学家能够同时测量两个状态的副本，而不是一个接一个地测量，他们就能以更少的样本解决某些问题。这提出了一个引人入胜的问题：这仅仅是一个一次性的奇迹，还是如果我们能同时测量更多副本，类似的捷径也会存在于更复杂的任务中？

一组研究人员现在通过揭示一个庞大且此前隐藏的量子学习挑战图景，回答了这个问题。他们发现，同时测量多个量子状态副本的能力创造了一个难度的阶梯，每一级阶梯都代表着一个新的复杂度水平。对于一组特定的数学任务，他们证明了如果你被限制在测量少于某个特定数量的副本，那么该任务是极其困难的，其所需的样本量增长过快，以至于无法实现。但在你获得恰好那个特定数量的副本时，难度就会坍缩，任务变得易于解决。这种现象并不局限于两个副本；它在许多不同的数字上无限重复，形成了一个无穷的层级结构，其中解锁效率的关键仅仅在于拥有持有必要副本的正确量子记忆量。

研究人员专注于一类比目前大多数量子计算机使用的标准两能级系统更为复杂的量子系统。他们设计了涉及这些系统的特定学习挑战，要求计算机估算各种量子属性的强度。他们从数学上证明，对于任何不是被4整除的整数个副本，都存在一个学习任务，如果你只能使用比该数量少一个的副本，那么该任务是无法高效解决的。例如，如果一个任务被设计为可以用三个副本高效解决，那么尝试仅用两个副本来解决它则需要指数级增长的样本量，这在实践中是几乎不可能实现的。即使研究人员使用最先进的自适应策略、深层量子电路或强大的经典计算机来处理数据，这种困难性依然存在。这种难度源于同时测量多少个副本这一根本限制。

在建立这些障碍之后，研究人员展示了如何打破它们。他们构建了一个特定的协议，该协议使用解决任务所需的精确数量的副本。这种方法涉及对所有副本同时进行联合测量。与以往需要极深且复杂电路的方法（这类电路在目前的硬件上难以构建）不同，他们的新协议可以用非常浅的电路来执行。所需电路的深度不会随系统规模的增大而增加，这意味着即使对于大型量子态，它也保持在可控范围内。研究人员证明，这种方法不仅是一种理论上的可能性，而且可以通过实际的量子操作来实现，例如涉及三能级系统（即 qutrits）的操作。他们甚至展示了如何将这些操作转化为标准的两能级量子比特（qubits）语言，证明了这种优势对于现有的量子架构也是可触达的。

这项工作的意义在于它揭示了量子学习难度中的一个锐利相变。它表明，困难与容易之间的界限不是一个模糊的梯度，而是一个精确的悬崖。在悬崖的一侧，由于可用副本较少，样本复杂度会爆炸式增长。而在另一侧，当拥有精确数量的副本时，复杂度会降至可控水平。这一发现强调了量子记忆作为一种资源的关键作用。正如经典计算机需要内存来存储数据以进行处理一样，量子计算机也需要能够持有多个状态副本的能力，以进行这些高效的联合测量。研究人员发现，这种优势是稳健的，并不依赖于对测量精度程度的假设，这使得该结果成为一个关于多副本量子处理能力的可靠且无条件的证明。

尽管这项研究侧重于一类特定的数学任务，但其影响是广泛的。它表明，量子学习的未来可能取决于我们构建能够存储和处理多个状态副本的可靠量子记忆的能力。研究人员还指出，他们的发现补充了该领域的其他近期工作，共同描绘出了一个丰富的量子学习问题层级图景。他们发现，对于某些数字，特别是那些能被4整除的数字，其行为可能会有所不同，这留作了未来研究的开放性问题。然而，对于绝大多数情况，这个层级是清晰的：同时测量更多副本的能力可以解锁指数级的优势，将不可能的任务变为可解的任务。这项工作为在复杂的量子信息领域中导航提供了一张新地图，明确展示了捷径在哪里，以及利用这些捷径需要什么样的资源。