対称差と多重線形多数決多項式を用いて、フーリエ疎ブール関数の学習のための量子サンプル複雑度をO(k^1.5 log²k)からÕ(k)へ改善し、ほぼ最適な境界を達成して、10年間にわたる理論的ギャップを解決します。

弱Schurサンプリングは複製単位ごとの独立ノイズに対して堅牢性を保つ。出力誤差はノイズフロアεプラスO(d/√n)で上界される。これはスペクトル推定の基礎となるKeyl-Wernerアルゴリズムが、現実的なノイズを含む量子デバイス上で機能することを証明している。
革新的な量子学習アルゴリズム: データから低結合次元量子状態を効率的に学習し、未知の状態がモデルクラスに属すると仮定せず、圧縮と動的計画法を使用して多項式複雑度を実現します。
ベル測定を利用してClifford-スクランブル量子状態から隠された積構造を復元する新規手法。二次方程式を通じて、広範な魔法性と体積則エンタングルメントを持つ状態の効率的学習を実現し、重要なケースではO(n²)のサンプル複雑度で達成可能。