学习低次量子对象
本文介绍了通过量子查询和量子示例从学习布尔函数的算法的复杂性的新结果,其中我们探讨了中间问题的量子和经典查询复杂度与精确学习问题和谐平衡的自然问题,并提高了期望严格学习的新下界,以达到经典 PAC 学习的已知上界。
Nov, 2004
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
展示了不利用纠缠态的学习算法需要 Theta (2^nε^-2) 轮测量来估计 n-qubit 保利(Pauli)通道的每个特征值到 ε 误差,并对不使用纠缠态的学习算法的紧密下界进行了证明。
Sep, 2023
本研究报告提出了一种有效的算法,可以通过使用 Clifford 门和 O (log (n)) 非 Clifford 门来高效地学习一个量子态,并介绍了一种用于学习大稳定子维度的算法,其中量子态的稳定子维度使用一个由 2^k 个 Pauli 操作符的交换群来稳定。此外,我们还开发了一种有效的质检算法来测试稳定子维度。
May, 2023
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
在本文中,我们研究了量子样本复杂性,使用了二种方法证明了量子和经典样本复杂性在 PAC 和 agnostic 模型上差不多,其中第一种方法可以得到与经典边界相同或仅相差一个对数的量子边界,而第二种方法可以不丧失对数因子的情况下完成分析。
Jul, 2016
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
本文提出了一种利用概率多项式计算对数域上任意对称布尔函数并控制误差的低阶多项式方案,借此算法可在超对数维度中在真正的亚二次时间内求解汉明距离,并且能够对内积最大的向量,有最近的 ell1 对和杰卡德系数最大的向量对进行计算。
Jul, 2015