보손 가우시안 상태 학습의 샘플 최적화

본 논문은 연속 변수 양자 시스템, 특히 보손 가우시안 상태의 효율적인 학습에 관한 근본적인 질문을 다룬다. 보손 가우시안 상태는 평균 벡터 $\mu$와 공분산 행렬 $\Sigma$로 완전히 기술되며, 이 두 파라미터를 정확히 추정하는 것이 상태 복원의 핵심이다. 저자들은 “$n$-모드, 에너지 상한 $E$ 이하의 가우시안 상태를 트레이스 거리 $\varepsilon$ 이내로 복원하기 위해 필요한 최소 샘플 수는 얼마인가?”라는 질문에 대해, 측정 종류와 상태의 특성에 따라 정밀한 상한·하한을 제시한다. **1. 사전 지식 및 정의** - 보손 시스템은 $2n$개의 쿼드러처 연산자 $\hat R$와 교환 관계 $