本文重新思考了估计量子比特Pauli噪声通道特征值的任务，给出了更好的下界，并证明了具有限定量子内存的算法在估计每个特征值的误差为ε时必须进行Ω(2^n/ε^2)个测量。同时研究了具有k个量子内存的算法以及任意自适应控制和通道串联情况下的查询个数下界。结果揭示了通道串联和O(1)量子内存如何结合以实现量子过程学习的显著加速的新机制。