- 强化学习解开部分观测的多比特量子状态
利用偏知识控制多量子位纠缠是量子交互动力学领域中的一个未经探索的范式,本论文采用一种深度强化学习方法构建任意 4、5 和 6 量子位状态的简化量子解分路,证明了该方法能够识别和利用多量子位态的纠缠结构,为真实量子计算应用提供了潜力。
- 机器学习中的张量网络
这篇论文介绍了张量网络及其在机器学习中的应用,张量网络通过分解大规模数据矩阵来实现数据的近似表达与计算的降维,是一种常用的数据处理技术。
- 镜像模块克隆与快速量子联想存储检索
用量子态可以通过单一参数的酉变换来实现 “完美复制”,并且这等效于量子联想记忆的 “完美” 复制,这种方法可以高效地存储指数级的信息,同时还提出了一种量子联想检索算法,可以更快地纠正损坏的输入。
- 量子态的在线学习
该研究论文研究了如何通过量子状态的测量来生成假设,以指导下一次测量的选取,即减少答案预测失误率。
- 量子态的实验学习
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。
- MM多方系统可能存在的纠缠程度如何?
研究了量子纠缠的几何测量方法,并根据子系统的维度提出了量子纠缠的最大允许上限。
- 量子控制不同阶段的强化学习
本文采用最新的强化学习技术,通过优化找到非可积多体量子系统中从初始状态到目标状态的短高保真度驱动协议,同时在协议时长的空间中呈现类自旋玻璃相变,并揭示了基于强化学习的 RL 方法在非平衡量子物理应用中的潜在用途。
- 量子谱测试
本文研究了混合量子态谱性质检测问题,证明了测试混合量子态是否为最大混合态、是否具有特定秩、是否在子空间上为最大混合态以及应用 “杨图算法” 需要的复制次数下界,并运用对称群的渐进表示理论及 Kerov 多项式方法简化了部分证明。
- 量子主成分分析
通过量子相干性与主要元件分析,可以从未知量子系统的复制品中生成密度矩阵,实现更快的操作结果。
- 量子克隆机及其应用
这篇论文综述了量子信息科学中的量子克隆、BB84 协议、六态协议等内容的研究进展及相关应用。
- 量子和经典相关性的统一视角
本文利用相对熵作为相关性的距离度量,将总相关性在量子状态中分离成纠缠、不和谐和经典相关性,从而使所有相关性处于平等地位。 纠缠和不和谐联合成为所谓的量子不和谐,其中不和谐性的定义也是在本文中引入的。我们的方法完全适用于任意维度的多部分系统, - 关于 Poincare 圆盘的特征值概率密度函数的推导
利用 Schur 分解方法和递归结构对随机矩阵局部子块的特征值概率密度函数进行了研究,将其与一种多体量子状态和伪球上的等离子体联系起来。
- 对称态的纠缠几何测度
通过对称多线性形式和齐次多项式的结果,我们证明最接近任何对称多粒子量子态的乘积态必须是对称的,并讨论了结果的推广和自旋模型中可能出现的平移不变态。
- 网络的冯・诺依曼熵
利用组合拉普拉斯的正则化方法,研究其特征值在概率分布上的 Shannon 熵作为图的正则度量,证明当节点集大小无限大时,正则图和完全图具有相等的正则度,而当边数固定时,具有大团的图似乎能够将此熵最小化。
- MM量子可分问题的强 NP - 难度
本文扩展了 Gurvits 的结果,将量子分离问题的 NP 难度从与可分离量子状态集合边界的指数逆距离扩展到与可分离集合的多项式逆距离,应用该结果说明了两个问题。