Quantum speedup of leverage score sampling and its application
本文提出一种量子算法加速大规模矩阵问题中的杠杆得分采样，实现至少二次（良态矩阵下可达指数级）加速并证明了接近最优的量子下界，同时将其应用于刚性回归问题，实现多项式加速。
2023-09-16 cs.CC quant-ph
Quantum Speedup for Sampling Random Spanning Trees
本文提出一种量子算法，在$\widetilde{O}(\sqrt{mn})$时间内采样加权图的随机生成树，实现亚线性运行时间并超越经典最优算法，同时证明其最优性，展示了量子计算在基本图采样问题中的加速潜力。
2025-04-24 cs.DS quant-ph
Quantum Signal Processing, Phase Extraction, and Proportional Sampling
量子信号处理（QSP）是一种可用于实现应用于酉$U$的本征值的多项式变换$P(x)$的技术，只要$P$满足一些容易满足的条件，则基本上实现操作$P(U)$。一个丰富的类以前已知的量子算法被证明是派生或减少到这种技术或其扩展之一。在这项工作中，我们表明，QSP可以用来解决一个新的问题，我们称之为相位提取，这可以用来提供量子加速比例采样，感兴趣的问题，在机器学习应用和量子态准备。我们表明，对于某些采样分布，我们的算法提供了一个几乎二次的速度超过经典的采样程序。然后，我们通过构建一系列算法来扩展结果，这些算法逐渐放松对元素空间的依赖。
2023-03-20 quant-ph
Efficient Verification of Boson Sampling Using a Quantum Computer
玻色子采样是一种用于显示量子加速的次普适模型。然而，验证量子加速比的方法并不可靠和准确。所有验证方法都涉及额外的或很少研究的假设。在这里，我们使用论文[arXiv：2006.03520]中给出的协议，在IBM量子计算机上构建了一个离散量子态玻色子采样实验，并使用外差探测验证了输出态的保真度。我们演示了单模式保真度估计，多模式保真度估计和使用IBMQ“雅典”芯片验证协议的协议。此外，我们说明了使用这种验证协议在量子密钥分发（QKD）过程中估计的保真度不同类型的编码-解码基础。这表明验证协议可以用于实现高度纠缠的多粒子状态的有效和可靠的认证。
2021-08-09 quant-ph
High speed flux sampling for tunable superconducting qubits with an embedded cryogenic transducer
我们开发了一种高速片上磁通测量使用电容并联SQUID作为嵌入式低温换能器，并将这种技术应用于近期可扩展的印刷电路板（PCB）封装的频率可调超导量子比特的资格。换能器是一个通量可调LC谐振器，其中施加的通量改变谐振频率。我们应用微波音调来探测这个频率，并使用时域零差测量来提取作为施加到SQUID的通量的函数的反射相位。传感器响应带宽为2.6 GHz，最大增益为$\rm 1200^\circ/Φ_0$，使我们能够研究优于0.1%的建立幅度。我们使用这种技术来表征片上偏置线路由和各种基于PCB的封装，并证明阶跃响应建立可以在建立时间和幅度上按数量级变化，这取决于是否使用正常或超导材料。通过在铝中电镀铜PCB，我们测量了与用于现有高保真量子比特的封装一致的阶跃响应。
2018-08-30 quant-ph
Quantum Speedups for Testing Similar Means
Sun Yat-sen University（中山大学）；Quantum Science Center of Guangdong-Hong Kong-Macao Greater Bay Area（粤港澳大湾区量子科学中心）
该研究针对多分布均值相似性检验问题，在查询与采样模型下设计量子算法实现二次加速，并证明算法在ε依赖上的最优性。
2026-08-04 quant-ph
Statistical Analysis on Random Quantum Sampling by Sycamore and Zuchongzhi Quantum Processors
随机量子采样是一种从随机量子线路中采样比特串的任务，被认为是一种合适的基准任务，可以证明量子计算机即使在有噪声的量子比特的情况下也具有出色的性能。最近，在具有53个量子位的Sycamore量子处理器[Nature 574，505（2019）]和具有56个量子位的Zuchongzhi量子处理器[Phys. Rev. Lett. 127，180501（2021）]。本文分析和比较了Sycamore和祖冲之的随机量子抽样输出的统计性质。利用Marchenko-Pastur定律和Wasssertein距离，我们发现祖冲之的量子随机抽样比Sycamore的量子随机抽样更接近经典均匀随机抽样。祖冲之的一些位串通过了随机数测试，而Sycamore和祖冲之的位串热图显示出相似的模式。结果表明，随着随机量子线路深度的增加，两种随机量子样品的统计特性变化不大。我们的研究结果提出了一个关于噪声量子处理器的计算可靠性的问题，这些处理器可以为相同的随机量子采样任务产生统计上不同的输出。
2022-04-12 quant-ph
Use of a Quantum Computer to do Importance and Metropolis-Hastings Sampling of a Classical Bayesian Network
重要性抽样和Metropolis-Hastings抽样（Gibbs抽样是其中的特例）是两种常用的多变量概率分布抽样方法（即贝叶斯网络）。在此，贝叶斯网络的采样已经在传统的“经典计算机”上完成。在本文中，我们提出了在量子计算机上对经典贝叶斯网络进行重要性抽样和Metropolis-Hastings抽样的方法。
2008-11-12 quant-ph
Quantum Speedups for Zero-Sum Games via Improved Dynamic Gibbs Sampling
我们给出了一个量子算法来计算一个零和博弈在有界元素的$m \times n$支付矩阵中的$ε$ -近似纳什均衡。给定一个标准的量子预言访问的回报矩阵，我们的算法运行在时间$\widetilde{O}(\sqrt{m + n}\cdot ε^{-2.5} + ε^{-3})$和输出的$ε$近似纳什均衡的经典表示。这改进了由[vAG 19]获得的$\widetilde{O}(\sqrt{m + n} \cdot ε^{-3})$的最佳先验时间段运行时间和由[GK 95]获得的经典$\widetilde{O}((m + n) \cdot ε^{-2})$运行时间，无论何时$ε= Ω((m +n)^{-1})$。我们通过设计新的量子数据结构来从缓慢变化的吉布斯分布中有效采样，从而获得了这一结果。
2023-01-10 cs.DS math.OC quant-ph
On Sampling and Inference using Quantum Algorithms
量子计算机预计将有效地处理吉布斯抽样和马尔可夫网络上的相关推理。除了注意到对那些开始探索量子机器学习这一重要主题的人有用的背景信息外，我们还捕获了一些结果和观察结果，这些结果和观察结果是通过基于量子退火和量子近似优化算法的两种流行的采样范式进行广泛的模拟获得的。
2020-06-21 quant-ph
No imminent quantum supremacy by boson sampling
据预测，量子计算机的性能将大大超过传统计算机。然而，大规模的通用量子计算机尚未建成。玻色子采样是一种基本的量子算法，适用于线性光学中的光子平台，它作为一种快速的方式来展示这种量子霸权，引起了人们的兴趣。光子统计是由称为永久量的棘手矩阵函数控制的，这表明通过将光子注入线性光学网络获得的分布的采样可以通过光子实验比经典计算机更快地解决。任何经典采样算法所面临的明显令人敬畏的挑战与大型玻色子采样实验所需的明显近期实验资源之间的对比提高了人们的期望，即玻色子采样的量子霸权即将到来。在这里，我们提出了经典的玻色子采样算法和理论分析的前景缩放玻色子采样实验，表明近期量子霸权通过玻色子采样是不可能的。虽然迄今为止报道的最大玻色子采样实验是5个光子，但我们的经典算法基于Metropolised Independence Sampling（MIS），允许用标准计算硬件解决30个光子的玻色子采样问题。我们认为，实验光子损失的影响意味着通过玻色子采样来证明量子霸权需要技术上的一步改变。
2017-05-01 quant-ph
Every Classical Sampling Circuit is a Quantum Sampling Circuit
本文介绍了“Q-边际”，这是量子态编码的一些概率分布的方式适用于量子蒙特卡罗积分（QMCI），并表明，这些可以直接从一个经典的电路采样的概率分布的兴趣。这个结果是重要的，因为蒙特卡罗积分中的量子优势的形式是相对于经典MCI中所需的样本数量，编码概率分布（在QMCI中）的量子态的使用数量减少。因此，如果准备该量子态编码概率分布所需的操作的数量是可比较的，到生成经典样本所需的操作数量（如Q边际构造所实现的）。
2021-09-10 quant-ph
Quantum Measurements for Graph Isomorphism Require Entanglement: Tight Results on Multiregister Fourier Sampling (Withdrawn)
这篇文章已被作者撤回。
2005-11-02 quant-ph
Quantum Sampling for Optimistic Finite Key Rates in High Dimensional Quantum Cryptography
最近已经表明，量子采样的框架，介绍了Bouman和Fehr，可以导致新的熵不确定性关系高度适用于有限密钥密码分析。在这里，我们重新审视这些所谓的基于采样的熵的不确定性关系，推导出更新，更强大的关系，并将其应用于源无关的量子随机数发生器和高维量子密钥分发协议。一路上，我们证明了几个有趣的结果，在渐近的情况下，我们的熵的不确定性关系。这些基于熵不确定性的采样方法及其在量子密码学中的应用，对于量子密码系统的安全性证明具有很大的潜力，我们在这里使用的方法可能适用于更广泛的场景。
2020-12-08 quant-ph
An introduction to boson-sampling
玻色子采样是量子计算的简化模型，它可能是实现第一台后经典量子计算机的关键。玻色子采样是一种非通用的量子计算机，它比迄今为止提出的任何通用量子计算机都要简单得多。本章首先介绍玻色子取样的原理，并讨论线性光学量子计算的历史。然后，我们总结玻色子采样形式主义，讨论什么是采样问题，解释为什么玻色子采样比线性光学量子计算更容易，并讨论扩展丘奇图灵论文。接下来，分析了与其他类别的量子光学状态的采样。最后，我们讨论了利用现有技术建立玻色子取样装置的可行性。
2014-06-26 quant-ph
Quantum Sampling and Entropic Uncertainty
在本文中，我们展示了一个有趣的量子采样技术和量子不确定性之间的联系。也就是说，我们使用量子采样技术，介绍了Bouman和Fehr，推导出一种新的熵的不确定性关系的基础上光滑的最小熵，二进制香农熵的观察结果，和一个经典的采样策略的失败概率。然后，我们展示了我们的新关系的两个应用。首先，我们用它来开发一个简单的证明版本的Maassen和Uffink的不确定性关系。其次，我们展示了如何将其应用于量子随机数生成。
2019-11-13 quant-ph
Beyond Boson Sampling: Higher Spin Sampling as a Practical Path to Quantum Supremacy
本文提出任意自旋-S态的自旋采样框架，给出m∼n^{1+ε}的准线性资源标度，为以更低实验成本实现量子优越性提供实用路径。
2025-05-12 quant-ph
Quantum algorithm for exact Monte Carlo sampling
我们建立了一个量子算法，它使用Grover量子搜索程序，以采样的广泛的经典统计力学系统的精确平衡分布。该算法是基于最近开发的精确蒙特卡罗采样方法，并产生一个多项式增益相比，经典的程序。
2010-06-23 quant-ph
Quantum Sampling Problems, BosonSampling and Quantum Supremacy
有大量的证据表明，使用量子力学的信息载体比使用经典力学定律的信息载体具有更大的计算能力。但是，关于量子力学所贡献的能量的确切性质的问题，仍然只是部分地得到了回答。此外，人们对实现足够大的量子计算的实用性存在疑问，这种计算最终证明了量子霸权。最近，从概率分布中产生样本的计算问题的研究增加了我们对量子算法能力的理解，并降低了对快速量子算法演示的要求。所提出的量子采样问题不需要能够进行通用操作的量子计算机，并且在其操作中也允许物理上真实的错误。这是朝着实验证明量子算法优越性迈出的令人鼓舞的一步。在本文中，我们将回顾抽样问题和参数，已被用来推断抽样问题时，经典计算机难以模拟。证明量子算法至高无上的两类量子采样问题是BosonSampling和IQP Sampling。我们将介绍这些课程的细节以及最近在玻色子采样中展示量子霸权的实验进展。
2017-02-10 quant-ph
Quibbs, a Code Generator for Quantum Gibbs Sampling
本文介绍了Quibbs v1.3，一个免费的Java应用程序。（源代码包含在发行版中。Quibbs是一个用于量子吉布斯采样的“代码生成器”：在用户输入一些指定经典贝叶斯网络的文件后，Quibbs输出一个量子线路，用于在量子计算机上执行该贝叶斯网络的吉布斯采样。Quibbs实现了一种在早期论文中描述的算法，该算法结合了各种苹果派技术，例如：Grover算法的自适应定点版本，Szegedy算子，量子相位估计和量子复用器。
2010-09-29 quant-ph
An Unbiased Quantum Random Number Generator Based on Boson Sampling
玻色子采样是一种很有前途的光量子计算模型，它已被成功地应用于“九章”等量子计算机的设计中。然而，玻色子采样结果的有意义的随机性，其正确性和意义是从一个特定的量子力学分布证明，尚未被利用或开发。本文充分利用玻色子采样结果的随机性，将玻色子采样方法应用于量子随机数发生器（QRNG）的设计，并利用可编程硅光子处理器构建了QRNG原型系统，该系统能够产生均匀无偏的随机序列，克服了现有离散QRNG存在的与源相关，对探测器的光子数分辨能力要求高，自探测发生器速度慢。玻色子采样作为一种随机熵源实现，对采样结果进行后处理，可以得到具有满意随机性和均匀性的随机比特串。实验结果表明，所设计的基于玻色子采样的QRNG原型系统通过了NIST SP 800-22统计测试组件的15次测试，证明了玻色子采样除了具有量子优势外，还具有很好的实际应用潜力。
2022-06-06 quant-ph
Achieving fair sampling in quantum annealing
以相等的概率对哈密顿量的所有基态进行采样是采样算法的期望特征，但是最近的研究表明，横向场量子退火的常见变体对基态子空间进行不公平的采样。在这份说明中，我们提出了微扰理论参数表明，这种缺陷可以通过采用反向退火启发路径来纠正。我们证实，这一结论在模拟先前研究的小实例与简并，以及量子退火硬件上的较大实例。
2020-09-08 quant-ph
Fair sampling of ground-state configurations using hybrid quantum-classical MCMC algorithms
本文提出混合量子-经典MCMC算法用于公平采样基态配置，通过实验验证其在组合优化问题中的有效性。
2025-12-16 quant-ph
Comparative Study of Sampling-Based Simulation Costs of Noisy Quantum Circuits
量子运算中的噪声常常抵消量子计算的优势。然而，大多数经典的量子计算机模拟计算理想的概率幅，要么存储完整的状态向量，要么使用复杂的张量网络收缩。在这里，我们研究基于采样的经典模拟方法的噪声量子线路。具体来说，我们的特点的两个主要计划，稳定状态采样的魔态和海森堡传播，量子线路受到随机泡利噪声，如去极化和去相位噪声的模拟成本。为此，我们介绍了几种技术的稳定器状态采样，以减少这种噪声下的仿真成本。结果表明，在低噪声区，稳定状态采样的结果在一个较小的采样成本，而海森堡传播是更好的高噪声区。此外，对于高去极化噪声率$\sim 10\%$，这些方法提供了比低秩稳定器分解给出的更好的缩放。我们相信，这些知识的经典模拟成本是有用的挤压可能的量子优势的近期噪声量子器件以及有效的经典模拟方法。
2021-06-17 quant-ph
Quantum Supremacy through Fock State $q$ boson Sampling with Transmon Qubits
本研究提出 $q$ 玻色子 Fock 态采样方法，证明 transmon 量子比特能突破传统限制，在经典难解的采样任务中实现量子霸权，拓展了量子处理器的应用前景。
2025-06-26 quant-ph
Statistical speed of quantum states: Generalized quantum Fisher information and Schatten speed
我们分析了量子统计速度的测量族，其中包括作为特殊情况的量子费舍尔信息，跟踪速度，即，从迹距离获得的量子统计速度，以及从Schatten范数族获得的更一般的量词。这些措施量化的统计速度下的通用量子演化，并通过最大化的经典措施在所有可能的量子测量。我们讨论的一般性质，最佳的测量，和上界的速度可分离的状态。我们进一步提供了一个物理解释的跟踪速度，将其链接到一个模拟的量子克拉美-拉奥界的中位数无偏量子相位估计。
2018-02-20 quant-ph
Quantum Sampling Algorithms for Near-Term Devices
从经典吉布斯分布的有效采样是一个重要的计算问题，其应用范围从统计物理到蒙特卡罗和优化算法到机器学习。我们介绍了一个家庭的量子算法，通过准备一个状态编码整个吉布斯分布提供无偏的样本。我们表明，这种方法导致了一个经典的马尔可夫链算法的几个例子，包括伊辛模型和两个不同的图形的加权独立集的采样加速。我们的方法将计算复杂性与相变联系起来，提供了量子加速的物理解释。此外，它打开了一扇大门，探索潜在的有用的采样算法在近期的量子设备上的算法，从独立集的某些图形采样可以自然地实现使用里德伯原子阵列。
2021-09-07 cond-mat.stat-mech quant-ph
The effect of Homodyne-based feedback control on quantum speed limit time
系统从初始状态到目标状态所需的最小时间被定义为量子速度极限时间。量子速度限制时间可以用于量化量子系统演化的最大速度。量子速度极限时间与量子系统的演化速度成反比。也就是说，更短的量子速度极限时间意味着更高的量子演化速度。本文研究了基于Homodyne反馈控制下二能级原子的量子速度极限时间。结果表明，随着反馈系数的增大，量子速度极限时间减小。因此，基于同程的反馈控制可以加速量子系统的演化。
2020-01-21 quant-ph
Quantum computational advantage of noisy boson sampling with partially distinguishable photons
本文研究部分可区分光子噪声对 boson sampling 经典不可解性的影响，证明平均 O(log N) 个可区分光子仍保持理想复杂度，为含噪实验实现量子计算优越性提供理论依据。
2025-07-08 quant-ph
Quantum simulation of partially distinguishable boson sampling
玻色子采样是从与输入到线性干涉仪中的不可区分的单光子的集合相同的输出概率分布中采样的问题。它已被证明，在一定的计算复杂度的前提下，一般的问题是很难解决的经典，激发光学实验，旨在证明量子计算的“至高无上”。这类实验面临着许多挑战，包括产生难以区分的单光子。我们提供了一个量子线路，可以模拟具有任意可区分粒子的玻色子采样。这清楚地说明了在标准量子线路模型中，可分辨性如何导致退相干，从而获得了深入的了解。该电路的核心是量子舒尔变换，它是从表示论方法到第一次量子化中可区分粒子的物理学。该技术是相当普遍的，并有应用超出玻色子采样。
2018-03-09 quant-ph
Sampling Problems on a Quantum Computer
本文综述了量子计算机上的采样方法，重点介绍高斯玻色采样、量子蒙特卡罗、量子变分蒙特卡罗、量子玻尔兹曼机和量子贝叶斯网络，并讨论其数学基础、技术可行性与未来研究方向。
2024-02-26 quant-ph
Sampling asymmetric open quantum systems for artificial neural networks
虽然基于受限玻尔兹曼机架构和Metropolis采样方法建立的神经网络方法非常适合对称开放量子系统，但它们导致不具有平移不变性对称性的设置的可扩展性差和系统误差，与训练参数（例如样本大小）无关。为了克服这种代表性的限制，我们提出了一种混合采样策略，它明确考虑到非对称特性，实现快速收敛时间和高可扩展性的非对称开放系统，强调人工神经网络的普遍适用性。
2021-04-17 quant-ph
Electro-optical sampling of quantum vacuum fluctuations in dispersive dielectrics
电光采样最近已被用来执行电磁真空波动的光谱分辨测量。为了理解这种技术可以获得相互作用系统基态的哪些信息，本文将发展任意色散介质中电光采样的量子理论。我们的理论表明，真空涨落的时间相关性的测量有效地实现了对量子真空的椭圆偏振测量，允许访问依赖于频率的介电函数。我们讨论了这些结果的后果上的可能性，使用电光采样探测人口的基态虚光子在超强光-物质耦合制度。
2019-04-11 quant-ph
Quantum algorithm for Discrete Gaussian Sampling
Univ Rennes, Inria, CNRS, IRISA（雷恩大学、Inria、CNRS、IRISA）
本文提出了一种基于量子拒绝采样技术的量子算法，其复杂度比Wang和Ling在2019年的经典算法快平方级。该算法生成的量子态可以用于获得所需分布或在其他量子算法中直接使用，从而改进了Pouly和Shen在2024年提出的两种量子双攻击版本。
2026-05-19 quant-ph
Quantum Speedups for Sampling and Non-convex Optimization with Stochastic Oracles
Department of Mathematics, Pennsylvania State University（宾夕法尼亚州立大学数学系）
该研究针对两类随机神谕模型，通过改进量子估计子程序，实现了分布采样及非凸优化任务的量子加速，适用于多种分布并具备收敛保证。
2026-09-03 cs.LG math.OC quant-ph
Quantum Speedups for Log-Concave Sampling from Local Structure
Institute of Software, Chinese Academy of Sciences（中国科学院软件研究所）；University of Chinese Academy of Sciences（中国科学院大学）；School of Computer Science, Shanghai Jiao Tong University（上海交通大学计算机学院）；Department of Computer Science and Technology, Tsinghua University（清华大学计算机科学与技术系）
针对具有局部分解结构的对数凹采样问题，提出量子算法，将局部查询复杂度从经典最优的线性依赖改进为条件数的平方根依赖，证明局部结构是量子加速的关键资源。
2026-09-18 cs.DS quant-ph
Grover-QAOA for 3-SAT: Quadratic Speedup, Fair-Sampling, and Parameter Clustering
本研究通过经典模拟和量子硬件实验，证明 Grover-QAOA 在求解 3-SAT 所有解时相对随机采样具有二次加速，并优于传统 QAOA；单角度对约束和参数聚类降低了角度优化开销。
2024-02-04 physics.comp-ph quant-ph
Interactive proofs with efficient quantum prover for recursive Fourier sampling
我们考虑递归傅立叶采样问题（RFS），并证明了存在一个有效的经典验证器和有效的量子证明器的交互证明RFS。
2011-08-24 cs.CC quant-ph
Cosine series quantum sampling method with applications in signal and image processing
提出了一种新的适用于量子计算的余弦级数量子采样（QCoSamp）算子族。量子算法的发展，类似于经典算法，我们将其应用于信号的谐波分析。我们通过量子系统的测量显示量子采样，并且在应用该家族的算子之后，允许用傅立叶级数表示进行输入信号映射。所采用的技术方法，促进每个QCoSamp算法的量子计算机和应用程序的信号和图像处理领域的实施，我们也描述了。保留字：量子计算，量子信息理论，量子算符，量子采样，傅立叶正余弦级数，信号处理，图像处理
2020-11-25 eess.SP quant-ph
Matrix phase-space representations for gaussian boson sampling
Swinburne University of Technology（斯威本科技大学）
引入相干矩阵相空间分布，利用守恒律和对称性提高量子相空间表示的精度和速度，用于验证低损耗高斯玻色采样量子计算优势实验，相比先前方法大幅降低采样误差并提升数值速度。
2026-06-12 math-ph math.MP physics.comp-ph
Metropolis-style random sampling of quantum gates for the estimation of low-energy observables
我们提出了一个量子算法来计算低能量的期望值的量子哈密顿量通过采样的配分函数与平均能量的哈密顿量。对于任何给定的量子线路-哈密顿对，都存在一个相关联的平均能量。采样是通过电路本身的量子门上的接受/拒绝Metropolis式算法完成的。从这些样本的电路的正则系综下计算的观测值外推从更高的能量到基态。
2022-02-10 hep-lat quant-ph
Fair Sampling by Simulated Annealing on Quantum Annealer
传统的量子退火不能公平地对所有的基态进行采样。我们证明，公平的采样可以通过执行模拟退火量子退火。我们讨论了实施这种方法时发生的问题，并提出了一种替代方法来克服它们。我们数值验证了公平的采样能力，我们的方法在一个小规模的玩具模型。
2019-12-23 cond-mat.stat-mech quant-ph
Uncertain fate of fair sampling in quantum annealing
最近，在D-Wave量子退火机上从理论和实验两方面证明了横向场量子退火不能以相等的概率找到所有的基态。特别是，有人提出，更复杂的驱动器哈密顿超越横向领域可能会减轻这一缺点。在这里，我们研究量子退火中的（不）公平采样机制。虽然高阶项可以提高选定的小问题的采样，我们提出了多个反例，其中驱动器超出横向领域的哈密顿算子不删除采样偏差。利用微扰理论，我们解释了为什么会出现这种情况。此外，我们提出了大规模的量子蒙特卡罗模拟自旋玻璃已知的简并在两个空间维度，并证明了公平的采样性能的二次驱动程序项是标准的横向场驱动程序。我们的研究结果表明，量子退火机不太适合采样应用，除非后处理技术，以提高采样应用。
2019-09-21 cond-mat.dis-nn quant-ph
Sampling scheme for neuromorphic simulation of entangled quantum systems
由于量子多体态空间的复杂性，一般来说，通过统计抽样计算期望值是一项艰巨的任务。可以由神经形态硬件物理实现的这种量子态的神经网络表示可以实现有效的采样。提出了一种方案，利用这种能力，以加快采样从所谓的神经量子态编码的限制玻尔兹曼机。由于复杂的网络参数，直接的硬件实现是不可行的。我们通过考虑对可观测量的期望值进行采样的相位重新加权方案来克服这个问题。将我们的方法应用于一组典型纠缠量子态，我们发现，在一般情况下，相位重加权采样是一种形式的符号问题，这使得采样的计算成本。神经形态芯片的使用可以减少计算时间，从而扩展易于处理的系统大小的范围。
2019-12-03 cond-mat.dis-nn quant-ph
Towards Quantum Supremacy with Lossy Scattershot Boson Sampling
玻色子采样代表了一种很有前途的方法来获得量子系统作为解决计算问题的资源的至高无上的证据。玻色子采样的经典困难与所谓的永久高斯猜想有关，并已被推广到一些推广，如散点玻色子采样，在一些合理的约束下的近似和有损采样。然而，目前还不清楚这些技术对量子实验采样器的要求有多高。从一个国家的最先进的分析，并考虑到可预见的实际局限性，我们评估和讨论的范围为量子霸权的不同最近提出的方法，因此，今天最有名的经典模拟器。
2016-11-07 physics.comp-ph quant-ph
Quantum Lazy Sampling and Game-Playing Proofs for Quantum Indifferentiability
博弈证明为非量子密码学安全论证提供了一个强大的框架，尤其是在不可微性的背景下。这种证明的一个重要组成部分是随机原语的惰性采样。我们开发了一个量子博弈的证明框架，通过推广两个最近开发的证明技术。首先，我们描述了如何利用Zhandry的压缩量子预言机~（Crypto'19）对一类非均匀函数分布进行量子惰性采样。其次，我们观察到Unruh的单向隐藏引理~（Eurocrypt'14）也可以应用于压缩的神谕，提供了一个量子对应的基本引理的游戏。随后，我们使用我们的博弈框架来证明海绵结构的量子不可微性，假设一个随机的内部函数。
2021-05-12 cs.CR quant-ph
Learning with Optimized Random Features: Exponential Speedup by Quantum Machine Learning without Sparsity and Low-Rank Assumptions
The University of Tokyo（东京大学）；Austrian Academy of Sciences（奥地利科学院）；University of Cambridge（剑桥大学）；University of Warwick（华威大学）；RIKEN AIP（日本理化学研究所）
增加随机特征的核方法为从大数据中学习提供了可扩展的算法。但是，根据针对数据优化的概率分布对随机特征进行采样，以便最小化用于实现学习到期望精度所需的特征数量，在计算上是困难的。在这里，我们开发了一个量子算法，用于从这个优化的分布在功能上进行采样，在运行时$O(D)$是线性的维度$D$的输入数据。我们的算法在$D$中实现了指数加速比，与任何已知的经典算法相比，该采样任务。与现有的量子机器学习算法相比，我们的算法避免了稀疏性和低秩假设，因此具有广泛的适用性。我们还表明，采样特征可以通过随机梯度下降与回归相结合，以实现学习，而不会抵消我们的指数加速。我们的算法基于采样优化的随机特征，为利用量子计算机的机器学习提供了一个加速框架。
2020-11-09 cs.LG quant-ph stat.ML
Quantum symmetry from enhanced sampling methods
本文用路径积分方法解决了双电子系统的负号采样问题。我们表明，这个问题可以重新表示为一个计算自由能的差异和采样的统计分布的尾部。使用Metadoptics，可以解决像两个电子被限制在量子点中这样的现实问题。我们相信，这是一个可以扩展到更复杂系统的策略。
2018-05-04 cond-mat.stat-mech quant-ph
Quantum Deep Learning: Sampling Neural Nets with a Quantum Annealer
School of Computing Science（计算科学学院）；University of Glasgow（格拉斯哥大学）；OxBrdgRbtx Ltd（OxBrdgRbtx有限公司）
我们证明了将经典学习的深度神经网络框架为基于能量的模型的可行性，该模型可以在一步量子退火机上处理，以利用快速采样时间。我们提出的方法，以克服两个障碍的高分辨率图像分类的量子处理单元（QPU）：所需的数量和二进制性质的模型状态。通过这种新方法，我们成功地将卷积神经网络转移到QPU，并显示出至少一个数量级的分类加速潜力。
2021-07-19 cs.LG quant-ph
Quantum sampling for the Euclidean path integral of lattice gauge theory
虽然目前为止，在格点规范理论的量子计算中，哈密顿形式更受青睐，但路径积分形式决不是无用的。路径积分形式的优点是经典晶格模拟所积累的知识和经验，以及明显的洛伦兹不变性。我们在路径积分形式下讨论了格点规范理论的量子计算。我们利用量子抽样算法产生规范配置，并演示了$Z_2$格点规范理论的基准测试的四维超立方体。
2022-05-11 hep-lat quant-ph
Sampling Overhead Analysis of Quantum Error Mitigation: Uncoded vs. Coded Systems
量子误差抑制（QEM）是一种很有前途的保护量子-经典混合计算不受退相干影响的技术，但它的采样开销影响了计算速度。在这篇论文中，我们提供了一个全面的分析QEM所施加的采样开销。特别是，我们表明，泡利误差引起的采样开销最低的一大类现实量子信道具有相同的平均保真度。此外，我们表明，去极化错误引起的采样开销最低的各种泡利错误。此外，我们还提出了一种将QEM与量子信道编码相结合的方案，并分析了其相对于纯QEM的采样开销降低。特别是，我们观察到存在一个临界数量的门包含在量子线路，超过这一点，他们的合并是更可取的纯QEM。
2020-12-15 cs.IT math.IT quant-ph
Quantum sampling in hybrid light-matter systems with mixed statistics
Paderborn University（帕德博恩大学）；University of Arizona（亚利桑那大学）
该研究结合费米子与玻色采样，提出杂化光-物质系统的混合统计量子采样网络，证明其贡献与行列式、积和式线性无关，可用于超越纯费米/玻色采样的量子应用，拓展了量子采样器功能。
2026-08-27 math-ph math.MP quant-ph
Predicting sampling advantage of stochastic Ising Machines for Quantum Simulations
Radboud University（拉德堡德大学）；Politecnico di Bari（巴里理工大学）；University of Messina（墨西拿大学）
本文提出利用随机异斯机在神经网络量子态模拟中实现量子磁体的高效采样，通过自相关时间分析预测采样优势，展示了大规模量子系统研究的潜力。
2026-03-05 cond-mat.dis-nn cs.ET quant-ph
Random sampling of permutations through quantum circuits
本文受 Steinhaus-Johnson-Trotter 算法启发，提出经典及量子电路模型下的排列随机采样算法，并应用于双样本随机化检验，同时提出嵌套 corona 乘积图生成模型以支持特定排列集合的采样。
2025-05-07 cs.DM math.CO quant-ph
