- 经由无饭定理审视经典和量子学习协议的可分离能力
我们将各种量子学习算法按照三种设计的学习协议分类,并建立了其 No-Free-Lunch 定理;我们的研究结果表明量子学习协议在样本复杂度上具有二次降低,这取决于量子态的正交性和观测量的对角性,并深化了对量子学习协议能力的理解。
- 稳定器乘积态的不可知测试
定义了一个称为不可知摄影的量子学习任务,算法能够给出关于一个任意状态中近似等同于稳定子产品状态的简要描述,算法能够适应对该状态的扰动,并在多项式时间内运行。
- 使用 VB-FTRL 通过对数损失在线学习量子态
对于在线学习量子态的对数损失函数(LL-OLQS),我们推广了 VB-FTRL 算法,该算法在多项式时间内实现了次最佳实力并具有 O(d^2log(d + T))的遗憾率。同时我们引入了 VB - 凸性的概念,以促进推广。
- 通过图模型证实学习量子态
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。
- 少非克利福门单比特态高效学习二:单次测量
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。
- 学习量子态复杂度调查
本文综述了学习量子状态的复杂性及其研究,包括量子测量,物理量子状态的学习,替代量子测量模型以及作为量子状态编码的经典函数的学习。总结了这些研究带来的 25 个激动人心的开放性问题,展示了它们为高度成功的理论铺平了道路。
- MM量子性质检测的最优性需要纠缠
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。
- MM学习量子纠缠的代数模型
本研究综述了监督学习和深度神经网络的设计,用于学习代数多元环的成员身份,并证明这些神经网络可以预测量子态的纠缠类型。我们给出了检测退化状态和二进制量子比特和三进制量子比特(三元量子比特)的边界秩分类的实例。
- 用深度自回归模型高效变分模拟多体量子系统
使用一种新的神经网络架构代替马尔科夫链蒙特卡洛(MCMC)采样方法来支持高效和精确的量子状态预测,这种方法在二维相互作用自旋模型中验证了其精确性和可扩展性。
- QuCumber: 用神经网络进行波函数重建
本研究致力于发展一种名为 QuCumber 的机器学习算法,可以准确地重建大量量子比特的波函数,并从机器生成新数据来获得原始数据中不容易获得的物理可观测量。
- 学习量子算法的态重叠
这篇论文介绍了机器学习方法用于发现短深度算法,并应用于计算两个量子状态之间的重叠,如 Renyi 纠缠。研究发现可以用常数深度算法来代替常用的 Swap Test 算法,在 Rigetti 和 IBM 的量子计算机上使用这些新算法能够显著降 - 量子异常检测的量子机器学习
该研究探讨了在量子技术方面,异常探测的重要性并提出了通过机器学习算法(如核主成分分析和一类支持向量机)来实现异常探测。在底层量子逻辑上寻找对应的量子算法,并证明了这两个量子算法的资源需求可以对量子状态的维数以及用于训练机器学习算法的量子状态 - 量子态的样本最优的重构
本文给出一种理论上的测量方案,被测量的密度矩阵在迹距离误差 ε 内需要 O ((dr/ε^2) ln (d/ε)) 个副本,并证明了独立测量下实现相同错误需要 Ω(dr^2/δ^2)/ln (1/δ) 个副本。
- 驯服多粒子纠缠
提出了一种使用量子态空间中适当的近似方法来表征多粒子真实纠缠的方法,并使用半定编程计算其纠缠度的方法,在获得实验测量数据时也能够计算,而且该方法的效果较之前的方法都有显著提高,同时可以针对簇态实现纠缠检测并得到指数级的提升。
- 量子网络的理论框架
本文基于量子组合和链接积的概念,提出了一种处理量子网络及其所有可能变换的框架,包括量子态、测量、信道的克隆、识别、估计和重构等。从构造性和公理性两个角度研究了量子网络,并证明了其量子记忆信道的普适性。
- 量子态辨别
通过绝对值平方不为 0 来定义非正交态,非正交态存在于量子态的叠加原理中。本文回顾了优化区分非正交态的一些策略以及用于实现这些策略的光学实验。
- 用几何纠缠见证来表征纠缠
使用几何纠缠证人构建,通过 Hilbert-Schmidt 几何的性质和 Bloch 分解,检测任意维度和混合度的纠缠、约束纠缠和可分割双方量子态,例如可以确定任意维度的 Bell 态混合体系列中的三种不同类型的状态。
- 量子态的备选保真度量
该研究提出了一种新的量子状态保真度测量方法,利用线性熵和希尔伯特 - 施密特内积计算,具有共同凹性和满足 Jozsa 公设等特殊性质,但不满足乘法可加性和单调性,并且还确定了密度矩阵空间的新度量方法和 Uhlmann-Jozsa 保真度在量 - 随机量子态的可分辨性
基于两个分析下界,在已知纯态系列中鉴别状态选择成功的概率 p,并使用基于 Gram 矩阵本征值的分析下界来降低渐近区分 n 个随机量子态在 d 维度中的可分辨性,其中 n /d 趋向于一个常数。尤其对于几乎所有的 n 维度的 n 个态系列, - 混合量子态空间中的诱导测度
本文研究混合量子状态空间中的几种产品性质,其中特别研究了部分追踪操作的度量;证明了对于所有纯态的自然旋转不变度量诱导了空间中唯一的度量,其中对于 $K=N$ 的情况诱导度量与 Hilbert-Schmidt 量相同,并证明了该混合态度量并可