知识卡片：共享经典随机性在浅层量子生成模型中实现严格表示分离

• 英文标题：Representational separation between unitary and channel quantum generative models via shared classical randomness at shallow depth
• 英文关键词：quantum generative models; shallow unitary Born models; channel models; shared classical randomness; representational separation; measurement-based quantum computation

一句话结论

共享经典随机性——一种在纠缠理论中被视为较弱的资源——足以在固定浅层深度下，让信道量子生成模型严格表示比浅层酉 Born 模型更大的经典输出分布族；即使系统规模任意大，这种分离依然成立。

事件概述或研究问题

近期的量子硬件限制了电路深度，并通常施加几何局域连接，导致浅层酉 Born 模型可访问的输出分布受限。将随机性引入酉量子 Born 模型后得到的“信道模型”在经验上可提升生成性能，并且在小规模受限架构下已被证明能表示严格更大的分布族。然而，“固定浅层深度、任意大系统规模下，随机性是否能带来可证明的表示分离”此前仍是开放问题。本文给出肯定回答，并证明所需的随机性可以是非常弱的共享经典随机性。

方法/产品要点

• 在具有有界连接性的浅层酉电路之后、计算基测量之前，加入空间分离的局域 Pauli 操作；这些操作的联合应用由一个经典采样的随机比特控制。
• 由此构造的浅层信道模型，可以在经典输出分布中产生长程关联。
• 作者证明，任何具有有界连接性的纯酉浅层模型都无法复现这类长程关联；对于一维最近邻架构，纯酉模型在最坏情况下需要深度 Ω(N) 才能生成同类分布。
• 测量式量子计算（MBQC）通过对随机测量结果的适当适应性调整，为所需的共享经典随机性提供了一种自然实现；基于 MBQC 的生成模型数值实验支持上述分析结果。

主要结果或产业意义

该结果首次在固定浅层深度、可扩展（任意大系统）层面证明了信道模型相对纯酉模型的严格表示分离，且所需的随机性资源只需共享经典随机性。这意味着在近期中等规模含噪量子设备上，通过“共享经典随机比特 + 局域操作”的轻量级增强，可能显著扩大浅层量子生成模型能够表示的分布范围。

为什么重要

• 理论层面：把此前“随机性有助生成”的经验观察提升为具有严格数学保证的表示能力分离。
• 资源层面：展示“较弱”的经典相关性也能在特定浅层量子生成任务中产生不可替代的优势，有助于理解量子与经典生成模型的能力边界。
• 与既有脉络的关系：与已有卡片中的 VideoRAE、PRECOG、修辞校准等主题无直接延续；本卡片是量子机器学习/量子生成模型方向的新增理论条目。

局限与不确定性

• 本文为 arXiv 预印本（v1，2026-08-05），尚未确认是否经过同行评审。
• 关于“深度的 Ω(N) 下界”的证明条件、MBQC 数值实验的具体规模与数据集、以及共享经典随机性增强的实际计算开销，需查阅全文进一步核实。
• 材料未提供实验硬件或部署细节，因此从理论分离到实际工程收益的转化程度待核实。

可用于图书/PPT/简报的角度

• 题目建议：“量子生成模型中的‘免费’随机性：一个严格分离定理”。
• 可从“浅层量子电路能表达什么分布？”引入，再说明纯酉 vs 信道模型的差异。
• 用“单个随机比特连接全局操作”作为通俗比喻，解释共享经典随机性如何产生长程关联。
• 适合放在“量子计算优势”“生成模型表达能力”相关章节；PPT 可强调深度下界 Ω(N) 这一关键结果。

原始材料

• 英文标题：Representational separation between unitary and channel quantum generative models via shared classical randomness at shallow depth
• 作者：Arunava Majumder, Marius Krumm, Hendrik Poulsen Nautrup, Hans J. Briegel
• arXiv ID：2608.05110v1
• 发布日期：2026-08-05
• URL：https://arxiv.org/abs/2608.05110v1