使用单次测量,以多项式时间和样本量来学习由具有最多 t 个单量子比特非克利福德门的电路输出的 n 量子比特态的得到的跟踪距离为 ε 的最新算法。
Aug, 2023
利用计算学习理论,本文证明:对于大多数实际目的,传统的量子态重构只需测量数量呈线性增长关系,而非指数函数关系;同时,该定理可应用于量子计算的模拟和验证领域。
Aug, 2006
使用一种基于中位数最小二乘估计器的全新的断层扫描算法,利用对未知状态有偏的测量选项并产生在线估计,在所观测样本数量上得到了最佳的结果(至多对数项除外)。
Jun, 2024
通过在线学习和阴影层析成像程序,我们研究了适用于量子过程的在线学习任务,尤其着重于具有有界门复杂性和 Pauli 通道的在线学习模型。我们还提供了一种有效的阴影层析成像程序用于 Pauli 通道,并对在线学习的上界和计算下界进行了补充。
研究了量子态鉴定问题,提出了使用较少的量子状态估计方法,其中包括使用 n=O (d/ε) 个副本进行基于保真度的鉴定和使用 n=O (d/ε^2) 个副本进行基于迹距离的鉴定,并且这些复制复杂度是最优的。
Aug, 2017
通过应用正则化跟随领导算法,在学习正半定矩阵的通用子集和其他量子物体时,证明了一个次线性的遗憾界,并建立了在量子信息理论中有用的各种矩阵分析结果。
本研究着重于探讨 “计算学习理论” 在探究量子信息中的应用,发现在概率性的前提下,仅通过线性数量的测量即可近似学习量子态,实验结果在光学系统中展示了线性比例的特点,为量子状态探究开辟了新的大规模可能性。
Nov, 2017
学习具有接近神经网络量子态的性质的量子态的鲁棒性算法,从而在样本复杂度上表现出指数级的改善。
Sep, 2023
基于研究对现代量子设备的实际限制如何影响量子学习的复杂性,通过自然环境中对多个副本进行测量和采用 Schur-Weyl 采样的方式,揭示了量子学习中量子复制与纠缠之间的平滑交换,特别是在拓扑近似条件下的观测联通性以及从最大混合态偏离程度的估计。
Feb, 2024
本文主要研究关于量子态证明的基础问题,展示了使用非自适应的非相干测量量子态证明所需的拷贝数目与混合度测量所需的拷贝数目之间存在关联,实现了一个实例优化的上限。
Feb, 2021