- 命题框(读出成本):$|x\rangle = \sum_j x_j|j\rangle$,单次测量观察到基态 $|j\rangle$ 的概率 $= |x_j|^2$ $\Rightarrow$ 以常数概率读到 $|j\rangle$ 需 $O(1/|x_j|^2)$ 次测量
- 演算步骤:
- 均匀分量 $|x_j|^2 = 1/N \Rightarrow$ 单个分量就需 $\ge N$ 次测量
- 读出全部 $N$ 个分量 = $O(N)$ 量级——与经典相同,指数加速在输出端归零
- 输入端同理:任意 $b$ 制备 $|b\rangle$ 需 $O(N)$ 门;只有结构化 $b$(稀疏、可高效采样)整体加速才成立
- 可测全局量卡(优势场景):$\langle x|M|x\rangle$ 一次测量;$\lVert x\rVert^2$ $O(1)$ 次;从 $|x\rangle$ 采样 $O(\mathrm{poly}(n))$ 次
- 开放问题行:QRAM 假设的争议;量子兼容的预处理(preconditioning)尚待研究
- 选型行:NISQ 深度受限 → VQLS / 迭代法;容错设备、$\kappa$ 大且高精度 → CKS / QSVT
类型definition-derivation(瓶颈定量)+ 选型行