Tight bound on trace distance between a realistic device with partially indistinguishable bosons and the ideal Boson Sampling
研究了在任意混合输入状态下，只有部分不可分辨玻色子的实验幺正玻色子网络与理想玻色子网络的接近性，特别是玻色子采样的实验实现，其中两个网络的接近性度量是输出概率分布之间的迹距离.证明了到理想玻色子网络的迹距离的上界，以及输出配置的概率之间的差异的上界。此外，迹距离的上界是紧的，只要物理上透明的可并行性猜想是正确的。对于一个小的可扩展性误差，它示出了一个现实的设备与$N$玻色子是在一个恒定的跟踪距离下的$O(N^{-1})$缩放的玻色子的内部状态的失配的理想玻色子采样。
2015-05-21 cond-mat.stat-mech cs.CC quant-ph
Average circuit eigenvalue sampling on NISQ devices
本研究将ACES协议完整实现并部署于Superstaq，在IBM真实设备上表征泡利错误信道，模拟显示高精度，为NISQ设备错误表征提供实用方案。
2024-03-20 quant-ph
Training Gaussian Boson Sampling Distributions
高斯玻色子采样（GBS）是光子量子计算的近期平台。已经开发了依赖于直接编程GBS设备的应用，但是训练和优化电路的能力一直是开发新算法的关键缺失成分。在这项工作中，我们推导出GBS分布的解析梯度公式，该公式可用于使用基于梯度下降的标准方法来训练设备。我们引入了一个参数化的分布，允许梯度估计采样从同一设备，正在优化。在使用Kullback-Leibler发散或对数似然代价函数进行训练的情况下，我们证明了可以经典地计算梯度，从而实现快速训练。我们用随机优化和无监督学习中的数值实验来说明这些结果。作为一个特殊的例子，我们介绍了变分伊辛求解器，一种混合算法，用于训练GBS设备以高概率对经典伊辛模型的基态进行采样。
2020-04-09 quant-ph
Scalable boson sampling with a single-photon device
玻色子采样是经典计算机难以解决的问题，但可以在专用的光子量子模拟器上自然解决，这比构建通用量子计算机需要更少的资源。用大量光子实现玻色子采样的最大挑战是缺乏可靠的单光子源。在这里，我们展示了一个可扩展的架构玻色子采样使用固态单光子源，同时具有高效率，纯度和不可分割性。单光子在电可编程的基于环路的网络中进行时间仓编码和干涉。我们实现并验证了输入三个和四个单光子的玻色子采样，并跟踪电路内部的动态多光子演化。随着系统效率的进一步改进，我们的方法可能是可行的，可以扩展到>20玻色子采样，以优于经典计算机，从而提供实验证据反对扩展的丘奇-图灵论文。
2016-03-22 cond-mat.mes-hall quant-ph
A Study of Gate-Based and Boson Sampling Quantum Random Number Generation on IBM and Xanadu Quantum Devices
本文研究在IBM门型电路和Xanadu玻色采样平台上生成量子随机数的实用性，提出冯·诺依曼提取器及两种定制去偏方法，经NIST测试验证可实现无偏输出，但吞吐量和成本仍不及专用QRNG设备。
2025-07-04 cs.ET quant-ph
Simulating Quantum State Transfer between Distributed Devices using Noisy Interconnects
本文提出一种通用实用的准概率分解方法，利用含噪互连模拟量子态传输，通过单一可调参数降低采样开销，并在真实量子设备上验证了其可行性和保真度提升。
2025-07-02 quant-ph
Distributed sampling, quantum communication witnesses, and measurement incompatibility
我们研究了测量实验，其中发送者（Alice）接收可信的量子输入，但具有不可信的状态准备设备，而接收者（Bob）具有完全不可信的测量设备。在这种情况下，自然会出现分布式采样任务，其目标是让Alice和Bob使用固定的通信信道在她的量子输入上重现他的测量统计数据。他们在这样的任务中的表现可以证明量子通信（QC），这是由测量设备独立的QC见证人正式化的。此外，我们证明了QC可以提供一个优势（超过经典的通信）的分布式采样，当且仅当鲍勃的测量是不兼容的。这给出了一个可操作的解释测量不兼容的基本概念，并激发了它的一般化的概念。我们的研究结果具有根本性和应用的影响。
2019-10-14 quant-ph
Experimentally finding dense subgraphs using a time-bin encoded Gaussian boson sampling device
高斯玻色子采样（GBS）是一种基于利用光子数分辨探测器从多模非经典高斯态中抽取样本的量子计算概念。它最初被提出作为一个短期的方法，旨在实现量子优势，但从那时起，已经提出了几个应用，如计算图形特征或分子振动光谱，等等。第一次，我们使用一个时间仓编码的干涉仪来实现GBS实验和提取样本，以提高搜索密集的子图在一个图。我们的研究结果表明，改进了经典的方法，在一个图中包含10个节点的大小为3和4的子图。此外，我们在数值上探索的作用，在光路中的缺陷和算法的性能。
2022-06-20 physics.optics quant-ph
Teleamplification on the Borealis boson-sampling device
本文将远程放大理论方案适配至 Borealis 玻色采样设备，实验演示可变增益的压缩真空态无噪声线性放大，保真度达 50%–93%。
2023-12-07 quant-ph
Universal Sampling Lower Bounds for Quantum Error Mitigation
本文针对量子错误缓解，建立了任意协议为高概率达到目标精度所需采样成本的通用下界，证明该成本对多种噪声模型须随电路深度指数增长，揭示了近期量子设备可扩展性的根本障碍。
2023-11-23 quant-ph
Classical simulability of noisy boson sampling
量子力学保证了经典计算机无法企及的计算能力。目前的技术正处于实验证明量子计算与经典设备相比具有优越性能的边缘。为了使这样的演示有意义，实验噪声必须不影响设备的计算能力;当经典算法可以使用噪声来模拟量子系统时，就会发生这种情况。在这项工作中，我们演示了一个算法，模拟玻色子采样，一个量子优势演示的基础上，不可分辨玻色子的多体量子干涉，在光损耗的存在。找到这种近似变得有效的噪声水平，可以让我们绘制出仍有可能证明量子优势的最大缺陷水平。我们表明，目前的光子技术达不到这个基准。这些结果对玻色子取样作为量子优势证明的适用性提出了质疑。
2019-04-01 cond-mat.stat-mech physics.optics quant-ph
Fair Sampling Error Analysis on NISQ Devices
本研究在IBM Q NISQ设备上利用Grover Mixer-QAOA算法生成公平采样电路，提出基于皮尔逊χ²检验的公平性指标，发现中等错误率下公平性下降，表明结构化误差主导，为理解NISQ硬件误差提供了新工具。
2022-06-11 cs.DS quant-ph
Post-selection in noisy Gaussian boson sampling: part is better than whole
高斯玻色子采样最初是为了利用量子线性光学元件显示量子优势而提出的。最近，基于高斯玻色子采样的几个实验突破指向量子计算霸权已经提出。然而，由于技术上的限制，高斯玻色子取样装置的结果受到光子损失的严重影响。在这里，我们提出了一个有效的和实用的方法来减少光子损失所造成的负面影响。在不修改硬件的情况下，采用数据后选择的方法，根据我们的准则丢弃低质量的数据，以提高最终计算结果的性能，即部分优于整体。作为一个例子，我们表明，后选择方法可以把一个GBS实验，否则将失败的"非经典测试”到一个可以通过该测试。这种光子损失抑制方法不仅可以提高现有GBS器件计算结果的鲁棒性，而且也有利于基于GBS的量子算法的进一步发展。
2022-12-29 quant-ph
Optoelectronic sampling of ultrafast electric transients with single quantum dots
在我们的工作中，我们设计了低电容单量子点光电二极管作为超快电信号光电采样的传感器设备。通过斯塔克效应，依赖于时间的电信号被转换成依赖于时间的跃迁能量的移动。这种位移是精确测量的共振ps激光光谱与光电流检测。在实验中，我们对超快CMOS电路的激光同步输出脉冲进行了高分辨率采样。利用我们的量子点传感器设备，我们能够以mV范围内的电压分辨率对低于20 ps的瞬态进行采样。
2021-06-02 physics.optics quant-ph
The Complexity of Bipartite Gaussian Boson Sampling
高斯玻色子采样是光子量子计算的模型，其作为用于构建能够执行经典设备无法实现的任务的量子设备的平台而引起关注。因此，有显着的兴趣，从计算复杂性理论的角度来看，在巩固数学基础的硬度模拟这些设备。我们表明，在标准的反浓度和永久的高斯假设下，没有有效的经典算法从理想的高斯玻色子采样分布（甚至近似），除非多项式层次崩溃。硬度的证明在模式数与光子数成二次方的情况下成立，在这种情况下，硬度被广泛认为是成立的，但却没有确切的证据。证明的关键是一种新的方法，用于编程高斯玻色子采样设备，使输出概率与任意矩阵的子矩阵的积和成比例。这种技术是散点玻色子采样的推广，我们称之为BipartiteGBS。我们还朝着在模式比光子少二次方的情况下证明硬度的目标取得了进展（即，高碰撞区域），表明近似具有重复行/列的矩阵的积和式的能力赋予了近似没有重复的矩阵的积和式的能力。这足以证明GBS在恒定碰撞区域是困难的。
2022-11-11 cs.CC quant-ph
Physical Unclonable Functions with Boson Sampling
玻色子采样是一个量子设备可以证明超越经典计算的问题，只使用线性光学和光子制备和计数。虽然理论上很重要，但这一任务缺乏实际应用。本文提出了一种方法，把任何玻色子采样设备，有一定的制造限制到一个物理不可克隆的功能，可用于识别系统和其他安全协议。对于最小制造误差，存在两个不同设备的输出处的光子分布具有最小距离并且它们可以被区分开的场景。当与经典PUF相比时，这些线性光学令牌的优点在于，对于正确的参数选择，存在计算保证，没有经典计算机可以模拟输出。本文介绍了玻色子采样，使这些结果的基本限制，并给出了一个可能的选择的挑战-响应识别协议。这给出了玻色子采样的直接应用，这可能比解决一般问题更简单。
2019-12-06 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
Classically simulating near-term partially-distinguishable and lossy boson sampling
玻色子采样是从线性光学干涉仪输出的不可分辨的单光子的相同分布中采样的问题。这是一个非通用量子计算的例子，被认为在短期内是可行的，不能在经典机器上模拟。像所有声称的“量子霸权”的演示一样，这促使优化经典模拟方案以实现问题的现实模型，在这种情况下，当实现遇到丢失或可区分的光子时，玻色子采样。虽然目前的模拟方案充分不完美玻色子采样是经典的有效性，原则上多项式运行时间可能是不切实际的大。在这项工作中，我们开发了一个方案的经典模拟玻色子采样均匀的可分辨性和损失的基础上，从分布的采样的想法，其中最多k个光子是不可区分的。我们表明，渐近此方案可以提供一个多项式的改进，在运行时相比，经典模拟理想玻色子采样。更重要的是，我们表明，在该制度认为实验相关的，我们的方法给出了一个显着的改善，在运行时间比其他经典的模拟方法。
2019-06-28 quant-ph
A duality at the heart of Gaussian boson sampling
高斯玻色子采样（GBS）是一个近期的量子计算框架，被认为是经典的棘手的，但仍有丰富的潜在应用。在本文中，我们研究了从GBS设备与图形匹配多项式的样本类定义的分布之间的密切关系。为此，我们引入了一个新的图形多项式称为位移GBS多项式，其系数是粗粒度的光子数概率的任意无向图$G$编码在GBS设备。我们报告发现的位移GBS多项式的$G$和匹配多项式的$G\,\square\,P_2(x)$之间的对偶-笛卡尔图形产品的$G$与一个单一的加权边缘也被称为棱镜在$G$。除了对高斯玻色子采样的令人惊讶的洞察之外，它还为经典模拟高斯玻色子采样设备的新方式打开了大门。此外，它激发了最近用于构建特征图的新型粗粒度量子统计的成功[Schuld et al. 2019]。
2019-10-09 math-ph math.CO math.MP
Displaced Gaussian Boson Sampling for enhanced max-clique search
Imperial College London（帝国理工学院）
本文提出在损失或有限压缩条件下，通过添加位移来增强高斯玻色采样在寻找最大加权团问题中的成功率，并证明该方法可扩展至大图且资源开销有限。
2026-05-26 quant-ph
Validation of a noisy Gaussian boson sampler via graph theory
本文利用 Gaussian Boson Sampling 与图完美匹配计数的联系，提出验证含噪声 Borealis 采样机的方法，并探讨其在图相似性与同构问题中的量子优越性。
2025-01-12 quant-ph
Error mitigation on a near-term quantum photonic device
光子损失对量子光子器件的性能具有破坏性，因此抑制光子损失的影响对于光子量子技术至关重要。我们提出了两种方案，以减轻光子损失的影响，高斯玻色子采样设备，特别是，以改善采样概率的估计。而不是使用纠错码，这是昂贵的硬件资源开销方面，我们的计划只需要少量的硬件修改，甚至没有修改。我们的损失抑制技术依赖于收集额外的测量数据或经典的后处理，一旦获得测量数据。我们表明，与一个适度的成本的经典后处理，光子损失的影响可以显着抑制一定量的损失。因此，所提出的方案是近期光子量子器件应用的关键使能器。
2021-05-01 quant-ph
Non-linear Boson Sampling
本文将非线性光子-光子相互作用引入玻色子采样框架，并通过显式线性光学模拟方案分析其复杂度增强，有望为近期受限光子量子计算机带来新应用。
2021-10-26 quant-ph
Machine Learning Kernel Method from a Quantum Generative Model
Institute of Theoretical and Applied Informatics, Polish Academy of Sciences（波兰科学院理论与应用信息学研究所）
最近，已经提出了将噪声中间尺度量子（NISQ）设备用于机器学习任务。由于各种限制，命题往往表现不佳。然而，量子设备应该在采样任务中表现良好。因此，我们回顾了基于采样的机器学习方法的理论，并提出了一个基于量子采样的分类器。也就是说，我们使用随机特征映射方法。提出了一种基于参数化旋转分布随机量子线路的量子采样方法。我们获得了简单易用的方法，直观的超参数，执行至少同样好的顶级开箱即用的经典方法。简而言之，我们得到了一个有竞争力的量子分类器，其关键组成部分是量子采样-这是量子霸权的一个有前途的任务。
2019-07-11 cs.LG quant-ph
Boson Sampling on a Photonic Chip
虽然通用量子计算机在理想情况下比经典机器更有效地解决整数分解等问题，但构建此类设备的艰巨挑战促使人们展示更简单的特定问题算法，这些算法仍然有望实现量子加速。我们构建了一个量子玻色子采样机（QBSM）的输出分布的采样所产生的光子的非经典干涉的集成光子电路，一个问题被认为是指数很难解决的经典。与通用量子计算不同，玻色子采样只需要不可区分的光子，线性状态演化和探测器。我们用三个和四个光子对我们的QBSM进行基准测试，并分析采样不准确的来源。我们的研究为更大的设备铺平了道路，这些设备可以提供第一个明确的量子增强计算。
2013-05-27 physics.optics quant-ph
Experimental Efficient Influence Sampling of Quantum Processes
Nanjing University（南京大学）；QuSoft and CWI, Amsterdam（QuSoft与阿姆斯特丹数学中心(CWI)）
本文提出影响采样方法，通过单量子位测试门高效表征量子过程，实现大规模量子系统的过程学习和设备评估。
2026-02-21 quant-ph
A quantum hardware-induced graph kernel based on Gaussian Boson Sampling
一种名为“高斯玻色子采样器”的设备最初被提出来作为经典难以处理的量子计算的近期演示。如最近所示，它也可以用来判断两个图是否同构。基于这些结果，我们构建了一个特征图和图形相似性度量或“图形内核”使用的样本从设备。我们表明，该内核的表现良好，相比标准的图形内核在典型的基准数据集，并提供了一个理论上的动机，这种成功，连接高斯玻色子采样器的分布子图中的匹配的数量。我们的研究结果有助于一种新的方式来思考内核作为（量子）硬件有效的特征映射，并导致一个有趣的应用程序，近期量子计算。
2019-10-16 quant-ph
Certification of Gaussian Boson Sampling via graph theory
Sapienza Università di Roma（罗马大学）；Dipartimento di Fisica, Sapienza Università di Roma（罗马大学物理系）；Dipartimento di Informatica, Sapienza Università di Roma（罗马大学计算机系）
通过图论方法验证高斯玻色采样实验的正确性，利用图特征向量分布和图核分布提出新的评估方法。
2022-02-15 quant-ph
Classical simulation of lossy boson sampling using matrix product operators
从理论和实践的角度来描述噪声中尺度量子（NISQ）器件的计算优势是一个重要的任务。在这里，我们数值研究NISQ设备的计算能力，专注于玻色子采样，一个众所周知的有前途的问题，可以表现出量子霸权。我们使用矩阵积运算符（MPO）模拟来研究有损玻色子采样的硬度，以使用MPO纠缠熵（EE）来解决光子损失对经典可模拟性的影响，纠缠熵（EE）表征MPO算法的运行时间。MPO模拟的一个优点是，它的模拟精度可以有效地控制通过增加一个MPO的键的尺寸比其他经典算法提出的日期。值得注意的是，我们通过使用MPO模拟有损玻色子采样，随着输入光子数的增长，其计算成本或MPO EE的行为不同，这取决于损失缩放，表现出与无损玻色子采样不同的特征。特别是当输出光子数比输入光子数的平方根更快时，我们的研究表明MPO模拟的时间复杂度呈指数缩放。相反，当输出光子数的缩放速度慢于输入光子数的平方根时，MPO EE可以减小，这指示指数时间复杂度可能不是必需的。
2021-08-05 quant-ph
Sampling Strategy Optimization for Randomized Benchmarking
随机基准测试（RB）是用于估计在量子计算设备上实现的门的平均保真度的广泛使用的方法。由RB估计的平均门保真度的随机误差取决于采样策略（即，如何对要在方案中运行的序列进行采样）。采样策略由一组可配置参数（RB配置）确定，该组参数包括Clifford长度（序列中独立Clifford门的数量列表）和每个Clifford长度的序列数量。RB配置经常被选择为经验性的，并且很少有关于其最佳配置的研究。因此，我们提出了一种方法，充分优化RB配置，使估计保真度的置信区间最小化，而不增加序列的总执行时间。通过在真实设备上的实验，我们证明了该优化方法在减少估计保真度的方差方面对启发式选择的有效性。
2021-09-16 cs.ET quant-ph
Boson-Sampling in the light of sample complexity
玻色子采样是一个经典的计算困难的问题，可以-在原则上-有效地解决量子线性光网络。最近，一股实验活动的热潮已经点燃，目的是开发这种设备作为量子模拟器的可行实例。如果描述光网络的幺正矩阵是由Haar测度得到的，那么即使是近似的玻色子采样也被认为是困难的。在这项工作中，我们表明，在这种设置中，概率指数接近1的玻色子的数量，没有对称算法可以区分玻色子采样分布从均匀的一个比指数多的样本。这意味着这两个分布在没有详细的先验知识的情况下在操作上是不可区分的。我们仔细讨论的前景，有效地利用知识的实施酉设计非对称算法，可能会改善这一点。我们的结论是，由于玻色子采样被认为是困难的，有效的经典认证的玻色子采样设备似乎是遥不可及的事实。
2020-05-14 cs.CC quant-ph
Tight Query Lower Bounds for Quantum Sampling, with an Application to Certified Randomness
Virginia Tech（弗吉尼亚理工大学）
该研究证明量子采样中XEB分数超过理想值需Ω(N^{1/3})次查询，并揭示高分数可认证近最优的随机性，为量子优势验证提供紧致下界。
2026-10-06 cs.CR quant-ph
Long-distance device-independent quantum key distribution
本文研究利用量子比特放大器辅助的基于光子的设备无关量子密钥分发，以克服公平采样漏洞导致的距离限制，并分析实现长距离传输所需的探测器效率和纠缠源质量等资源。
2019-05-09 quant-ph
Sampling-based Quantum Optimization Algorithm with Quantum Relaxation
针对组合优化问题，提出基于采样的量子优化算法（SQOA），采用量子松弛方法编码非对角哈密顿量并研究参数可迁移性，结合小实例参数高效制备输入态，无需变分优化即可为40节点MaxCut问题提供高质量解。
2025-04-17 quant-ph
Quantum supremacy in constant-time measurement-based computation: A unified architecture for sampling and verification
虽然容错通用量子计算机在解决某些决策问题方面的量子加速已经得到了承诺，但及时的研究兴趣包括可以在多大程度上减少资源需求，以证明量子设备中的可证明优势，而不需要量子纠错，这对于延长量子比特的相干时间至关重要。我们提出了一个模型装置，由局部相互作用的多个量子比特，设计，使其上的同时单量子比特测量可以输出概率分布，其平均情况下的采样是经典棘手的，在类似的假设下，非相互作用玻色子和瞬时量子线路的采样。值得注意的是，与之前这些基于单位的实现相比，我们基于测量的实现具有两个显着特征。(i)我们的实现不涉及适应的测量基地，导致输出概率分布产生在恒定的时间，独立的系统大小。因此，原则上可以在没有量子纠错的情况下实现。(ii)然而，我们的采样的经典棘手性是通过仅在某些输出量子比特处改变泡利测量基来完成的。我们使用随机交换量子线路代替计算上通用的电路，允许采样和验证的独特统一，因此它们需要相同的物理资源要求，而不是在文献中其他地方看到的更苛刻的验证协议。
2017-12-29 quant-ph
Joint Wire Cutting with Non-Maximally Entangled States
本文研究使用非最大纠缠态进行联合线路切割，以降低分布式量子计算中的采样开销，提出了最优采样开销的切割技术。
2024-06-19 quant-ph
Boson-sampling with photons of arbitrary spectral structure
玻色子采样作为实现光学量子计算的一个子集的简化方法引起了人们极大的兴趣。玻色子采样需要不可分辨的光子，但比通用光学量子计算架构少得多。实际上，光子从来都不是不可分辨的，并且表现出丰富的光谱结构。在这里，我们考虑的操作玻色子采样与任意光谱结构的光子和相关的设备的采样统计矩阵永久。这揭示了光子的光谱特性的不同制度的计算复杂性，并提供了非常一般的结果，在存在部分可区分的光子的线性光学干涉仪的操作。我们的结果适用于光谱分辨和非光谱分辨探测器的情况。
2014-10-15 quant-ph
Sampling and the complexity of nature
随机性是量子理论的内在特征。任何量子测量的结果都将是随机的，从由测量的量子态定义的概率分布中采样。因此，从规定的概率分布中采样的任务是量子设备的自然技术应用。在本论文的研究中，我研究了量子采样算法的复杂性理论和物理基础。我评估了自然量子模拟器的计算能力，并填补了量子采样器经典棘手性的复杂性理论论证中的漏洞（第一部分）。我阐明了如何以及在何种条件下量子采样设备可以在经典计算机上无法模拟的制度中进行测试或验证（第二部分）。最后，我探讨了经典和量子计算设备之间的计算边界（第三部分）。特别是，我开发了有效的可计算的措施臭名昭著的蒙特卡洛符号问题，并评估这些措施的实用性作为一种工具，用于缓解或缓解的符号问题和计算复杂性的这项任务。本论文的一个主要主题是量子符号问题，它是由于路径之间的相消干涉--一种本质上的量子效应--而产生的。符号问题的（不）存在性是划分经典计算设备和量子计算设备之间界限的一个标准。我开始的论文确定量子符号问题的量子输出概率的计算困难的根源。事实证明，符号问题引起的概率分布的复杂结构，禁止他们从几个样本的验证。在一个具有讽刺意味的转折，我表明，评估量子系统的内在符号问题又是一个棘手的问题。
2020-12-14 cond-mat.quant-gas math-ph math.MP
The scaling of boson sampling experiments
玻色子采样是生成量子比特流的问题，其平均值是$n\times n$矩阵的不变量。比特流被创建为具有$n$输入光子的原型量子计算设备的输出。验证玻色子采样是一个根本性的挑战，并且输出计数率如何随矩阵大小$n$缩放的问题至关重要。在这里，我们应用随机矩阵理论的结果建立玻色子采样实验中的平均计数率与任意输入和损失的标度律。结果表明，即使包括损失，在大$n$值的非经典行为的验证确实是可能的。
2016-05-19 quant-ph
Molecular Docking with Gaussian Boson Sampling
高斯玻色子采样器是光子量子器件，具有执行经典系统难以处理的任务的潜力。与其他近期量子技术一样，一个突出的挑战是确定这些量子设备可以证明有用的实际问题。在这里，我们表明，高斯玻色子采样器可以用来预测分子对接配置：空间方向，分子假设当它们结合到更大的蛋白质。分子对接是药物设计的核心问题，其中必须预测大量候选分子的对接构型。我们开发了一个顶点加权结合相互作用图的方法，其中的分子对接问题减少到寻找最大加权集团在一个图。我们表明，高斯玻色子采样器可以编程采样大重量团，即，稳定的对接配置，具有高概率，即使在光子损失的存在下。我们还描述了如何从设备的输出可以用来提高经典算法的性能，并增加他们的成功率找到分子结合姿势。为了对我们的方法进行基准测试，我们预测了小分子配体与肿瘤坏死因子- $α$转化酶的结合模式，该转化酶是与免疫系统疾病和癌症相关的靶点。
2019-02-01 quant-ph
Exploring Shallow-Depth Boson Sampling: Towards Scalable Quantum Supremacy
本文研究浅深度玻色采样的模拟困难性，分析 Fock 态与 Gaussian 态下几何局域架构的局限，并提出一种类似全局 Haar 随机电路的浅深度线性光学架构，为可扩展量子优越性提供依据。
2024-05-08 quant-ph
Efficient experimental validation of photonic boson sampling against the uniform distribution
玻色子采样设备是一种专门的量子计算机，它解决了一个被强烈认为是经典计算机难以计算的问题。最近已经报道了一些小规模的实现，都是基于多模干涉仪中的多光子干涉。在难以模拟的情况下，即使验证设备的功能也可能会带来问题。在最近的一篇论文中，Gogolin等人表明，所谓的对称算法将无法区分实验分布和平凡的均匀分布。在这里，我们报告新的玻色子采样实验较大的光子芯片，并分析数据使用可扩展的统计测试最近提出的Aaronson和Arkhipov。我们成功地验证了小实验数据样本的假设，他们是均匀分布的测试。我们还展示了如何区分数据所产生的不可区分或可区分的光子。我们的研究结果铺平了道路，更大的玻色子采样实验的功能，尽管是不平凡的模拟，可以验证对替代假设。
2013-11-08 physics.optics 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
Exact Boson Sampling using Gaussian continuous variable measurements
BosonSampling是一项量子力学任务，涉及Fock基态制备和检测以及仅使用线性相互作用的演化。从这个量子任务中产生样本的经典算法不可能是有效的，除非复杂性类的多项式层次结构崩溃，这种情况被认为是非常不可信的。我们提出了一种方法来构建一个设备，它使用Fock状态的准备，线性相互作用和高斯连续变量的测量，其中一个可以显示精确的采样将是很难的一个经典的算法，以同样的方式玻色子采样。从这种安排中使用的检测事件不允许得出近似采样的经典硬度的类似结论。我们讨论了这个结果的细节，概述了近似采样硬度所需的一些特定属性。
2017-06-29 quant-ph
Generative modeling with Gaussian Boson Sampling: classically trainable Bosonic Born Machines
HUN-REN Wigner Research Centre for Physics（匈牙利科学院维格纳研究物理中心）；Eötvös Loránd University（罗兰大学）；Center for Quantum Enabled-Computing, Center for Theoretical Physics of the Polish Academy of Sciences（波兰科学院理论物理中心量子计算中心）；Department of Physics, Korea Advanced Institute of Science and Technology（韩国科学技术院物理系）；University of Helsinki（赫尔辛基大学）；Algorithmiq Ltd（算法有限公司）
本文提出了一种基于高斯玻色采样电路的光量子生成模型，利用经典计算高效评估期望值，实现可扩展的模型参数优化。
2026-03-11 quant-ph
Benchmarking near-term quantum computers via random circuit sampling
近期量子硬件规模的不断增加激发了对有效噪声表征方法的需求，因为量子位和门级技术无法捕获许多量子位系统中的串扰和相关噪声。虽然可扩展的方法，如循环基准测试，是已知的特殊类别的量子线路，在一般电路的噪声与非克利福德门的表征一直是一个遥不可及的任务。我们开发了一种算法，可以采样有效地估计由任意非Clifford门层引起的噪声总量，包括所有串扰，并在IBM Quantum硬件上实验演示了该方法。我们的算法受到Google量子霸权实验的启发，基于随机电路采样。在他们的论文中，谷歌观察到他们的实验线性交叉熵与一个简单的不相关噪声模型一致，并声称这种巧合表明他们设备中的噪声是不相关的-这是硬件开发迈向容错的关键一步。作为一个应用，我们表明，我们的结果提供了正式的证据来支持这样的结论。
2022-04-19 quant-ph
Boson Sampling from Gaussian States
我们提出了一个广义玻色子采样问题。强有力的证据表明，这样的问题在经典计算机上成为玻色子数量的函数。我们描述了一个量子光处理器，可以有效地解决这个问题的基础上高斯输入状态，线性光网络和非自适应光子计数测量。目前，构建这样一个处理器所需的所有元素都存在。这种设备的演示将提供第一个经验证据，证明量子计算机确实可以超越经典计算机，并可能导致应用。
2013-11-10 quant-ph
Averaged circuit eigenvalue sampling
研究提出ACES方法，用于量子电路的可扩展噪声计量，能同时估计所有门的个体错误率及时空相关性，在严格更弱假设下提供比RB等技术更多信息，并在100量子比特设备上实现精确估计。
2021-08-12 quant-ph
A certification scheme for the boson sampler
玻色子采样可以通过目前可行的线性光学实验提供强有力的证据，证明量子计算机的计算能力优于经典计算机。然而，如何识别一个实际的玻色子采样设备对任何经典的计算冒名顶替者是一个模糊的问题，由于计算复杂性类玻色子采样所在。基于玻色子聚束的认证协议未能排除所谓的平均场采样。我们提出了一个认证计划，以区分玻色子采样从平均场采样的任何随机散射矩阵通过哈测度选择。我们数值分析了我们的方案和非同时到达光子所造成的不完美的输入状态的影响。
2016-07-14 quant-ph
Quantum-informed surrogate sampling for combinatorial optimization
IQM Quantum Computers（IQM量子计算机公司）
研究针对组合优化问题，提出量子信息替代采样（QISS）框架，通过浅量子电路低权重相关性生成候选解。在最大割等问题上评估，结果优于普通QAOA，还验证了其在量子设备上的抗噪声能力，为近期优化提供新途径。
2026-07-27 cond-mat.dis-nn quant-ph
Quantum Computing for Molecular Vibronic Spectra and Gaussian Boson Sampling
玻色子采样（BS）是一个多模线性光学问题，在经典计算机上是难以解决的。最近有人提出，分子振动光谱（MVS）的计算是复杂的BS。本文讨论了BS和MVS的对应关系，并简要介绍了利用量子器件实现分子光谱过程的实验演示。这两种理论的相似性导致了另一种BS设置，称为“振动BS”。本文还解释了振子BS的层次结构，它包括原始BS和其他高斯BS。
2018-03-27 physics.chem-ph physics.optics quant-ph
