通过对 Pauli 谱的 2 - 范数或归一化 Frobenius 范数的演化算符进行查询，构建了 “n” 量子比特 “k” 局域哈密顿的测试和学习问题。通过我们的研究，解决了在 Bluhm，Caro 和 Oufkir 最近的工作中提出的两个问题，并展示了简洁、基于 Pauli 分析技术的证明。

Apr, 2024

本研究提出了一种可以通过局部可观测量从吉布斯态或特定本征态中恢复出有限空间内的时变哈密顿量的方法，并且证明了该方法关于统计恢复误差的理论是正确的。

Jul, 2018

我们提出了一种新的汉密尔顿学习方法，可以从实时演化中学习汉密尔顿结构，解决了先前算法中存在的问题，并且实现了海森堡极限放大。该方法不仅不需要了解汉密尔顿项，而且在演化时间与误差 ε 的倒数成比例的同时，还可以工作于多种汉密尔顿结构下，包括具有有界范数的项相互作用和功率衰减。

Apr, 2024

使用自适应独立测量可以匹配使用纠缠测量的算法的复制复杂度，但对于判断量子状态在跟最大混合态之间的距离是否大于 ε 这一基本问题，则在自适应独立测量的情况下，必须达到 Omega (d^(4/3)/ ε^2) 的下限。

Apr, 2020

该论文综述了量子性质检测的最新进展，讨论了量子计算在经典对象、量子对象和量子信息理论等领域中的应用与边界，并提出了一些未解决问题。

Oct, 2013

本研究旨在探讨如何基于单个本征态的知识唯一确定局部 Hamiltonian，并证实基于本征态的两点等时关联函数通常足以恢复有限大小系统的 Hamiltonian。

Dec, 2017

本文使用一种量子增强的分治方法来学习一个多体哈密顿量，并将其拆分为非相互作用的小块，实现了亥姆霍兹极限以学习一个相互作用的 $N$-qubit 局部哈密顿量。

Oct, 2022

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

提出依据短时间动力学的高效测量方案，并使用群化可交换观测量和哈密顿对称性来改善哈密顿重构的准确性。

Aug, 2021

本文介绍了一种使用 unitary oracle 和 qubitization 方法进行哈密顿模拟的算法，其中 qubitization 将任何哈密顿量编码到不变的 SU (2) 子空间中，并给出了 e^{-iHt} 等复合算子的查询复杂度，这在精确模拟中获得了二次加速。

Oct, 2016