给量子计算机算篮子期权，像请一位快手厨师处理大餐：真正费时的可能不是烹饪，而是备料。篮子期权的收益取决于多种资产的加权组合；量子振幅估计（QAE——用更少抽样估计平均收益的量子方法）虽有理论加速，但必须先把资产的联合概率分布装入量子态。这个“状态制备”若电路太深，噪声和运行成本就可能吃掉加速。
Kim 等人把重点放在这道前置工序。他们用 tensor-train rank（张量列车秩——描述高维分布内部结构复杂度的指标）指导电路设计：资产独立时，删掉不必要的纠缠连接；资产相关时，则分别准备各资产的边缘分布，再用一个紧凑模块只学习篮子总值的累计分布，而不复刻完整联合分布。作者的数值实验显示，相比精确装载，其状态制备深度可从指数增长改为线性增长，同时把篮子定价误差维持在低百分比水平。价值在于，它开始核算量子定价最容易被忽略的“备料费”；但这些结果仍来自数值实验，论文未给出真实量子硬件上的定价优势。