本文研究了通过给定汉密尔顿量的吉布斯态，学习汉密尔顿量 H，以达到精度 ε 的问题。我们证明了当给定的汉密尔顿量属于更一般的类别时，我们的算法具有最优的样本复杂度和时间复杂度。此外，我们显示了几乎相同的算法可以用于从实时演化幺正算符 e^{-itH} 中学习 H，其具有相似的样本和时间复杂度。
Aug, 2021
我们研究了使用已知逆温度下 Gibbs 状态的哈密顿量，学习局部量子哈密顿量 H 的问题。我们解决了这个大问题，提出了一种多项式时间算法，通过多项式数量的 Gibbs 状态精确学习到精度为 ε 的哈密顿量 H。
Oct, 2023
本文提出了一种量子算法，可以在误差的倒数的次对数时间内模拟稀疏哈密顿量的动力学，是之前方法的指数级改进，其查询复杂度不依赖于作用的量子位数，门复杂度对哈密顿量的导数阈值的对数级，同时结果表明离散模型的范数微分变换有很高的效率，证明了算法的最优性。
Dec, 2013
本研究基于量子算法，提出了两种解决线性方程组问题的演化随机化算法，这种算法由哈密顿量组成，不需要大量辅助系统，并在某些条件下实现了指数级的量子加速。
May, 2018
我们提出了量子算法用于从非对数凹概率分布中采样，同时解决了求解大数据集中混合模型和多稳定系统时计算代价昂贵的函数评估问题。我们的量子算法在维度和精度依赖方面相对于已知的最佳经典算法展示了多项式加速。
该研究旨在通过改进基于傅里叶 / 切比雪夫级数表示的算子实现通用技术，构建了一个可以求解线性系统方程的量子算法，该算法在时间复杂度方面与精度具有同等重要的依赖性。
Nov, 2015
通过简单的单量子比特旋转，优雅地提供了哈密顿模拟的一种最优算法，用以理解和设计许多量子算法，特别是物理系统的模拟。
Jun, 2016
提出量子计算的次线性时间的算法，基于 LP 问题和量子 SDP 求解器，用有效的 Gibbs 采样方法计算二人零和游戏的 Nash 均衡点。
Apr, 2019
文中提出了一种基于量子随机存取存储器（qRAM）的算法，可以模拟不一定稀疏的哈密顿量动力学，并通过一种线性组合的量子行走实现了多项式对数精度，最后证明了该算法可以作为一个单元实现子程序，同时实现量子线性系统求解器，对于两种应用都具有 Θ(√𝑁) 的复杂度。
Mar, 2018
学习局部量子哈密顿量的问题，基于已知逆温度下的吉布斯态，通过使用 Chebyshev 展开的新型平面多项式逼近指数函数，我们将学习量子哈密顿量的表述转化为多项式优化问题，然后利用时刻 / 二次松弛方法加快求解速度，对于度受限的双重交互图，我们证明在温和假设下学习 $k$ 局部哈密顿量可以在多项式时间内完成。
Feb, 2024