- 测试和学习局部哈密顿量的简单算法
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 - 哈密顿性质测试
我们提出了一种基于随机化测量的非相干哈密顿局域性测试算法，用于测试泛型哈密顿局域性等一系列哈密顿性质。此外，我们证明了具有平均情形距离的泛型哈密顿学习仍然是指数复杂的，从而在哈密顿测试和学习之间建立了指数级的差距。
- 量子电路学习实现量子场论的量子 - 经典模拟
我们利用量子电路学习来模拟量子场论，通过使用紧凑的量子比特配置和低深度的量子电路来预测量子场论中的实时动态，从而准确地预测各种物理参数，包括全连接算符。通过在一个 1+1 维的量子电动力学模型中预测淬火动力学、手性动力学和喷注产生，我们发现 - R-mAtrIx 网络
本研究提出了一种新颖的神经网络结构，可以用于输出给定量子可积自旋链的 R - 矩阵，搜索对称性或其他限制条件下的可积哈密顿量和相应的 R - 矩阵，以及探索已学习模型周围哈密顿量的空间并重构它们所属的自旋链族。
- MM量子概率哈密顿学习用于生成建模和异常检测
本研究探讨了学习和利用孤立量子力学系统的哈密顿量及其变分热态估计进行数据分析技术的可能性，并使用量子哈密顿基模型的方法进行产生建模，证明可以用混合态表示这样的大型强子对撞机数据。在进一步步骤中，我们将学习到的哈密顿量用于异常检测，表明不同样 - ICLR破解哈密顿神经网络的归纳偏差
研究物理启发的神经网络的诱导偏差及其应用。表明与常规认识相反，通过直接建模加速度避免人工坐标系的人工复杂性，而不是辛结构或能量守恒，改善了 HNN 的广义性能。在实际中，通过放松这些模型的诱导偏差，可以在能量守恒系统上匹配或超过其性能，同时 - MM从高温吉布斯态最优学习量子哈密顿量
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^{ - 量子进化核 ： 可编程量子比特数组上的图机器学习
本文介绍了一种基于量子系统时间演化的图形数据相似性测量程序，并探讨了其在传统方法中的应用。通过在系统哈密顿量中编码输入图形的拓扑结构，演化产生保留数据关键特征的测量样本。数值研究表明，与典型基准数据集上的标准图形核相比，该程序表现出色。最后 - 针对良好条件分布的 Metropolized 采样方法下限
给出了使用两种蒙特卡罗采样方法（MALA 和 HMC）在良好条件的分布下性能的下界，并确定了每种方法的最短混合时间和松弛时间。该文还发现了跃点积分和 Chebyshev 多项式之间的新连接。
- VQE 方法：简要调查与最近进展
本文回顾了构造有效星座的最新进展，分为两个类别 -- 化学启示和硬件效率 -- 这些方法产生的量子电路更容易在现代硬件上运行，并讨论了最初为 VQE 模拟制定的术语的不足以及在更复杂方法中如何解决它们和进一步改进的潜在方式。
- 通过显式约束简化 Hamiltonian 和 Lagrangian 神经网络
通过将系统嵌入笛卡尔坐标并使用拉格朗日乘子显式地强制执行约束，本文证明了相较于使用广义坐标来编码系统约束的方法，使用笛卡尔坐标可以在准确度和数据效率方面提高 100 倍。
- 近似最优地面态制备
通过设计算法，在给定哈密顿量和一些额外信息的情况下，可以有效地在量子计算机上准备基态和估算其基态能量。
- 可微分分子模拟控制与学习
本研究介绍了一种基于可微分模拟的方法，该方法可以通过参数化哈密顿量以推断宏观模型和开发控制协议的方式，将模拟系统的紧急属性与给定目标相匹配。
- 具噪声鲁棒性的变分混合量子 - 经典优化
采用参数量子电路迭代地获得变分态，考虑噪音和量子测量结果的随机性，使用与变分态相关的量子费舍尔信息界限定结果精度，并通过实验展示该算法在不同噪声强度下的鲁棒性。
- 基于量子哈密顿模型的模型及变分量子热化算法
引入了一种新型的生成量子神经网络模型 —— 量子哈密顿模型（QHBM），并介绍了可将 Variational Quantum Eigensolver（VQE）推广到热力学状态的 Variational Quantum Thermalizer - ODE 积分器的哈密顿图网络
本篇研究介绍了一种采用基于物理学的归纳偏差的方法来对学习模拟模型进行建模，并将图神经网络与可导求解器相结合用于预测未来状态，并使用哈密顿量作为一个内部表示。研究结果表明，这种方法在预测准确性、能量准确性和零样本泛化方面优于没有这些偏差的基线 - 使用 CVaR 改进变分量子优化
研究混合量子 / 经典变分算法，使用条件风险价值作为聚合函数改善在所有组合优化问题的表现。
- 具有 $L^1$- 范数缩放的时间相关哈密顿模拟
我们开发了量子模拟算法来实现波动力学，提出了两种新技术：（1）经典采样器以实现时变哈密顿量的模拟；（2）用于施托克斯方程的重新缩放，改进了几个参数。这些算法可以用于半经典的量子化学中的散射过程。
- 从本地测量中学习局部哈密顿量
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。
- 加速变分量子本征求解器
我们提出了一种广义的 VQE 算法，可以根据自由参数 α 在 O (1/ε^α) 的电路深度下利用量子相干性减少样本数到 O (1/ε^2 (1-α))，同时提供了一种新的有限量子资源下的期望值估计程序。