Sampling Frequency Thresholds for Quantum Advantage of Quantum Approximate Optimization Algorithm
对比QAOA与经典求解器在3正则图MaxCut上的表现发现，经典算法线性时间出高质量解，量子设备需深度p>11否则样本数指数增长，设定了严苛量子优势界限。
2023-07-25 cs.CC quant-ph
Gaussian-boson-sampling-enhanced dense subgraph finding shows limited advantage over efficient classical algorithms
最近的声明，实现指数量子优势吸引了人们的注意力高斯玻色子采样（GBS），其潜在的应用是稠密子图的发现。我们调查的误差来源，包括损失和光谱杂质GBS应用于稠密子图发现算法的影响。我们发现，这些算法的有效性是非常强大的错误，在这样的程度上，存在有效的经典算法，可以模拟底层GBS。这些结果意味着，基于GBS的算法的加速稠密子图问题的经典方法是在最多的多项式，虽然这可以实现在量子设备上的损失和光子纯度比一般GBS的严格要求显着降低。
2023-01-30 quant-ph
Gaussian boson sampling: Benchmarking quantum advantage
Centre for Quantum Science and Technology Theory（量子科学与技术理论中心）；Swinburne University of Technology（斯威本科技大学）
本文提出一种高效算法，能近似解决高斯玻色采样问题，其输出数据模拟比现有实验更接近精确解，展示了经典模拟的可能性及量子优势的限制。
2026-04-14 quant-ph
Boson Sampling in Low-depth Optical Systems
光学损耗是通过玻色子采样证明量子优势而不留下经典欺骗的可能性的主要障碍。我们提出了一种方法，用于产生低深度的光路适合玻色子采样非常高的效率。我们的电路只需要一个恒定数量的光学元件（即三个），以实现一个光学变换适合于展示一个量子优势。因此，我们的建议具有恒定的光损耗，而不管光学模式的数量。我们认为，从我们的家庭的电路采样是计算困难的，通过提供数值证据表明，我们的家庭的电路收敛到原来的玻色子采样建议在大型光学系统的限制。我们的工作为证明光学量子优势开辟了一条新的途径。
2021-10-11 quant-ph
Gibbs Sampling gives Quantum Advantage at Constant Temperatures with O(1)-Local Hamiltonians
Joint Center for Quantum Information & Computer Science, National Institute of Standards & Technology and University of Maryland, College Park（量子信息与计算联合中心，美国国家标准与技术研究院和马里兰大学帕克分校）；Department of Computer Science and Institute for Advanced Computer Studies, University of Maryland, College Park（计算机科学系和高级计算机研究所，马里兰大学帕克分校）
该研究证明在常温下，通过O(1)-局部哈密顿量的吉布斯态采样，量子计算机仍能实现超多项式加速。
2026-01-19 cond-mat.other math-ph math.MP
Race for Quantum Advantage using Random Circuit Sampling
随机电路采样，从随机幺正算子中采样比特串的任务，已经在具有53量子比特的Sycamore量子处理器和具有56和61量子比特的祖冲之量子处理器上被执行以展示量子优势。最近，有人声称，使用张量网络模拟的经典计算机可以赶上当前嘈杂的量子处理器进行随机电路采样。虽然线性交叉熵基准保真度被用来证明所有这些索赔，它可能无法捕捉详细的统计特性的输出。在这里，我们使用Pan等人的张量网络模拟比较了从经典计算机中采样的位串。129，090502（2022）]和Kalachev等人[arXiv：2112.15083（2021）]以及Sycamore和Zuchongzhi量子处理器。结果表明，所有Kalachev等人。的样本通过了NIST随机数测试。位串的热图显示，潘等人。的和Kalachev等人。的样品与Sycamore或Zuzhongzhi的样品有很大的不同。用Marchenko-Pastur分布和Wasssertein距离的分析表明，Kalachev et al.的样本在统计上接近梧桐样本比潘等人。而三个数据集具有相似的线性交叉熵保真度值。我们的发现意味着需要进一步的研究来证明或击败随机电路采样的量子优势的说法。
2022-11-23 quant-ph
Quantum advantage from energy measurements of many-body quantum systems
对量子线路的输出进行采样的问题已经被提出作为展示量子计算优势（有时被称为量子“至高无上”）的候选者。在这项工作中，我们调查是否量子优势示范可以实现更多的物理动机的采样问题，相关的测量物理观测。我们专注于对能量测量的结果进行采样的问题，在一个简单的准备产品量子态上进行-我们称之为能量采样的问题。对于不同的制度的测量分辨率和测量误差，我们提供了复杂性理论的参数表明，存在有效的经典算法的能量采样是不可能的。特别是，我们描述了一个家庭的最近邻相互作用的2D晶格，可以有效地测量与高分辨率的量子线路的交换门（IQP电路），而一个有效的经典模拟这个过程应该是不可能的。在这种高分辨率机制中，这只能针对可以指数快进的哈密顿量来实现，可以使用当前的理论工具将量子优势陈述绑定到多项式层级崩溃，而对于较低分辨率的测量，这样的论点失败。然而，我们表明，有效的经典算法的低分辨率能量采样仍然可以排除，如果我们假设量子计算机是严格比经典的更强大。我们相信我们的工作为证明量子优势的问题带来了一个新的视角，并在哈密顿复杂性中引发了有趣的新问题。
2021-05-28 quant-ph
Spatiotemporal quantum advantages for rare-event sampling
University of Manchester（曼彻斯特大学）；Nanyang Technological University（南洋理工大学）
针对稀有事件采样耗时难题，提出基于量子随机模型并融合量子振幅放大的方法，实现时空复杂度较经典蒙特卡洛方法的双重降低。
2026-10-05 cond-mat.stat-mech quant-ph
Quantum computational advantage with constant-temperature Gibbs sampling
该研究通过设计可快速热化的对易局域哈密顿量，结合浅层IQP电路的容错归约，证明恒温量子吉布斯态采样任务具有经典计算无法实现的量子计算优势。
2024-09-18 quant-ph
Phase Coordinate Uncomputation in Quantum Recursive Fourier Sampling
本文用相空间术语重新描述量子算法，揭示递归傅里叶采样中量子优势只有在相位坐标垃圾被反计算时才存在，从而解释了该优势局限性的根本原因。
2025-08-18 quant-ph
Noise thresholds for classical simulability of non-linear Boson sampling
玻色子采样是一个很难在经典机器上模拟的计算问题，它是一个很有希望的候选者，可以用玻色子来实验演示量子优势。然而，不可避免的实验噪声和缺陷，如干涉仪的损失和检测器的随机计数，可能会挑战采样任务进入量子优势是可以实现的制度。在这项工作中，我们引入高阶非线性作为一种手段，以提高计算复杂性的问题和协议的鲁棒性对噪声，即增加噪声阈值，允许执行一个有效的经典模拟的问题。利用相空间方法，基于相关准概率分布的负体积，我们建立了一个必要的非经典性条件，任何量子优势的实验证明必须满足。我们的研究结果表明，在输入状态准备水平的单模克尔非线性的增加，同时保持线性光学的演变，使玻色子采样协议更强大的抗噪声，从而放松了对噪声参数的限制，需要显示量子优势。
2022-10-11 quant-ph
Hybrid boson sampling
本研究提出融合腔QED与量子气体技术的混合玻色采样方案，通过扩展协方差矩阵的hafnian得到原子光子数联合分布，证明其采样统计为#P难，有望克服单类采样局限以展现量子优势。
2024-09-13 cond-mat.quant-gas quant-ph
Quantum Computational Advantage via High-Dimensional Gaussian Boson Sampling
光子学是一个很有前途的平台，通过在定义明确的计算任务上超越最强大的经典超级计算机来展示量子计算优势（QCA）。尽管有这样的承诺，现有的建议和示范面临挑战。实验上，高斯玻色子采样（GBS）的当前实现缺乏可编程性或具有过高的丢失率。理论上，GBS的经典硬度相对缺乏严格的证据。在这项工作中，我们在改善理论证据和实验前景方面取得了进展。我们提供的证据GBS的硬度，相当于最强的理论建议QCA。我们还提出了一种新的QCA架构，我们称之为高维GBS，这是可编程的，可以实现低损耗，使用很少的光学元件。我们表明，特定的算法模拟GBS的高维GBS实验在适度的系统大小优于。因此，这项工作开辟了展示QCA与可编程光子处理器的道路。
2022-01-28 quant-ph
Instantaneous Quantum Polynomial-Time Sampling and Verifiable Quantum Advantage: Stabilizer Scheme and Classical Security
本文通过提出基于稳定子形式体系和隐藏结构码问题的IQP采样稳定子方案，修复了原QRC验证方案的漏洞，并在HSC困难性假设下证明了其经典安全性，从而复兴了可验证量子优势。
2024-12-30 quant-ph
Quantum Computational Advantage via 60-Qubit 24-Cycle Random Circuit Sampling
为了确保长期的量子计算优势，量子硬件应该升级，以承受不断改进的经典算法和硬件的竞争。在这里，我们展示了超导量子计算系统\textit{Zuchongzhi} 2.1，它有66个量子位在一个二维阵列中的可调谐耦合器架构。\textit{Zuchongzhi} 2.1的读出保真度显著提高到平均97.74%。更强大的量子处理器使我们能够实现更大规模的随机量子线路采样，系统规模高达60个量子比特和24个周期。实现的采样任务比经典模拟中的Sycamore [Nature \textbf{574}，505（2019）]的采样任务难度高出约6个数量级，比\textit{Zuchongzhi} 2.0上的采样任务难度高出3个数量级[arXiv：2106.14734（2021）]。使用最先进的经典算法和超级计算机进行经典模拟随机电路采样实验的耗时延长到数万年（约$4.8\times 10^4$年），而\textit{Zuchongzhi} 2.1仅需约4.2小时，量子计算优势显著增强。
2021-09-09 quant-ph
Linear cross-entropy certification of quantum computational advantage in Gaussian Boson Sampling
本文提出用基于理想分布的线性交叉熵修改版（LXE分数）直接验证高斯玻色采样实现，避免依赖基态真值假设，并解析计算了无损耗实现的参考分数。
2024-10-02 quant-ph
The Boundary for Quantum Advantage in Gaussian Boson Sampling
确定量子机器相对于经典机器提供计算优势的边界是绘制其有用性的关键一步。高斯玻色子采样（GBS）是从高纠缠高斯态中测量光子的一种方法，是追求量子优势的主要方法。最先进的量子光子学实验，一旦编程，在几分钟内运行，将需要6亿年才能使用最好的现有经典算法进行模拟。在这里，我们提出了更快的经典GBS模拟方法，包括速度和精度的改进，以计算循环矩阵，在GBS的心脏矩阵函数。我们在$\sim \! 100,000$核心超级计算机上测试这些，以模拟一系列不同的GBS实验，最多可达100种模式和92个光子。这将经典模拟最先进的GBS实验的运行时间减少到几个月-比以前的估计提高了9个数量级。最后，我们介绍了一个分布，是有效的样本从经典的，并通过各种GBS验证方法，为未来的实验测试提供了一个重要的对手。
2021-08-03 quant-ph
Scalability and performance metrics for boson sampling devices
Agency for Defense Development（国防开发局）；Pohang University of Science and Technology (POSTECH)（浦项科技大学）；Yonsei University（延世大学）
本文研究实际实验条件下玻色采样系统的理论可扩展性边界，引入玻色采样分数与体积两个指标，为扩展玻色采样系统提供实用指南。
2026-10-14 quant-ph
On computational complexity and average-case hardness of shallow-depth boson sampling
NextQuantum Innovation Research Center, Department of Physics and Astronomy, Seoul National University（首尔大学物理与天文学系Next量子创新研究中心）；Department of Physics, Korea Advanced Institute of Science and Technology（韩国科学技术院物理系）
本文研究了浅层深度玻色采样的计算复杂性和平均情况硬度，探讨了在噪声环境下通过浅层玻色采样实现量子计算优势的可行性。
2026-03-11 quant-ph
Computational indistinguishability and boson sampling
我们引入了一个计算问题，区分一个理想的粗粒度玻色子采样器的输出和一个真正的随机数生成器的输出，作为加密方案的资源，这是安全的计算上无界的对手。此外，我们定义了一个密码设置的实现，这样的计划，包括消息加密和身份验证，以及实体认证。
2022-11-08 cs.CC cs.CR cs.IT
Gaussian Boson Sampling with Pseudo-Photon-Number Resolving Detectors and Quantum Computational Advantage
University of Science and Technology of China（中国科学技术大学）
本研究开展了基于伪光子数分辨探测的高斯玻色采样实验，构建含噪声采样的完备表征模型，验证了九章3.0量子计算机相对经典超级计算机Frontier的显著量子计算优势。
2023-09-01 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
Boundaries of quantum supremacy via random circuit sampling
本文分析随机电路采样中量子优势的边界，指出当前保真度下量子优势限于几百量子比特和几百门深度，并揭示该边界随错误率降低呈指数扩展，最终与近期量子纠错计算的出现相吻合。
2020-10-09 quant-ph
Quantum computational supremacy in the sampling of bosonic random walkers on a one-dimensional lattice
本文研究了在一维晶格上进行量子随机行走的全同无相互作用玻色子系综的概率分布的抽样复杂性，在均匀最近邻跳跃下，我们可以有效地对系统大小的对数倍的概率分布进行抽样，而对于更长的时间，还没有已知的有效抽样算法。利用含时跳变和最优控制，我们设计了时间演化来逼近任意Haar随机幺正映射，类似于线性光网络中光子的时间演化。这种方法突出了一条仅通过优化控制单体酉矩阵来产生量子复杂性的途径。我们在两个潜在的实验实现的背景下研究这一点：超冷原子的旋量光晶格和量子气体显微镜。
2019-05-14 cond-mat.quant-gas quant-ph
Gaussian Boson Sampling
玻色子采样是一种探索量子计算机相对于经典计算机的优势的工具，因为它不需要对量子系统进行通用控制，这有利于当前的光子实验平台。在这里，我们介绍高斯玻色子采样，这是一个经典的难以解决的问题，使用压缩态作为非经典资源。我们涉及的概率，以测量特定的光子图案从一般高斯状态的Fock基础上的矩阵函数称为的高斯，这回答了最后剩下的问题，从高斯状态采样。在此基础上，我们设计了高斯玻色子抽样，一个P困难问题，使用压缩态。这种方法导致了一个更有效的光子玻色子采样器的产生概率和测量时间的显着优势，目前现有的协议。
2017-04-20 quant-ph
Verifiable measurement-based quantum random sampling with trapped ions
该研究在囚禁离子处理器上实现基于测量的可验证量子随机采样，利用随机簇态结构和量子比特循环扩展可采样状态，并通过高效保真度估计与交叉熵基准比较验证结果。
2024-06-28 cs.CC quant-ph
Leapfrogging Sycamore: Harnessing 1432 GPUs for 7$\times$ Faster Quantum Random Circuit Sampling
本研究提出一种使用1432个GPU的高能效经典模拟算法，通过张量网络和后处理算法降低复杂度，在生成不相关样本、求解速度和能耗上全面超越Sycamore 53比特实验，首次以明确实验证据反驳其量子优势声明。
2024-06-27 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
Speedup in Classical Simulation of Gaussian Boson Sampling
高斯玻色子采样是一个很有前途的模型，用于证明量子计算的优越性，这减轻了标准玻色子采样建议的实验挑战。本文通过分析高斯玻色子采样的经典模拟的计算代价，建立了一类高斯玻色子采样问题的量子计算优势的下界，其中压缩态被注入到每个输入模中.具体来说，我们提出了一种方法，简化了高斯玻色子采样的跃迁概率的蛮力计算，从而显着降低了模拟成本。特别是，我们的数值结果表明，我们可以模拟18个光子高斯玻色子采样在输出子空间上的正常笔记本电脑，20个光子的商业工作站与256个核心，并建议约30个光子的超级计算机。这些数字明显小于标准玻色子采样中的数字，这表明高斯玻色子采样可能更适用于证明量子计算的优越性。
2019-08-27 quant-ph
Quantum Advantage from Sampling Shallow Circuits: Beyond Hardness of Marginals
本文构造深度为7的量子电路族，其精确采样分布与任何常数深度经典电路在二元乘积分布上的输出总变差距离接近1，展示浅层量子采样的指数级优势，基于奇偶校验减半问题。
2025-10-09 cs.CC quant-ph
Quantum Computational Sensing
Cornell University（康奈尔大学）；Yale University（耶鲁大学）
该文提出量子传感与量子计算结合形成量子计算传感，其优势所需硬件要求更低，还探讨了相关架构分类并展望了未来方向。
2026-08-24 quant-ph
Speeding up the classical simulation of Gaussian boson sampling with limited connectivity
针对有限连通性削弱量子优势的问题，提出更快的经典算法模拟GBS，将环Hafnian计算复杂度从O(nw^2 2^w)降至O(nw2^w)，有助于界定量子优势边界。
2023-11-10 quant-ph
Quantum computational advantage in random-circuit sampling on IBM superconducting quantum computers
BlueQubit；Institute of Physics, École Polytechnique Fédérale de Lausanne（洛桑联邦理工学院物理研究所）；XPRIZE Foundation（XPRIZE基金会）
本研究在IBM Nighthawk r2超导量子处理器上，通过61量子比特的随机电路采样，验证了量子计算优势，其36周期电路在保真度估计上超越经典模拟，仅需19秒即可完成经典超级计算机需超百年的采样任务。
2026-10-16 quant-ph
Quantum walks advantage on the dihedral group for uniform sampling problem
针对二面体群D₂ₙ（n为奇数）的均匀采样问题，研究发现其凯莱图上的连续时间量子行走混合时间为O(n(logn)⁵log(1/ε))阶，较经典方法的Ω(n²log(1/2ε))阶实现二次改进，推进了量子行走在有限群采样中的优势认知。
2024-11-29 quant-ph
General framework for anticoncentration and linear cross-entropy benchmarking in photonic quantum advantage experiments
HUN-REN Wigner Research Centre for Physics（匈牙利科学院维格纳物理研究中心）；Eötvös Loránd University（厄特沃什·罗兰大学）；University of Helsinki（赫尔辛基大学）；Algorithmiq Ltd（Algorithmiq有限公司）；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使能计算中心）
本文提出一个基于表示论的框架，用于计算光子量子优势实验中线性交叉熵基准测试（LXEB）的平均分数和输出概率分布的二阶矩，涵盖多种基于散射n光子态通过m模Haar随机干涉仪的量子优势实验。
2026-04-16 quant-ph
Relation between quantum advantage in supervised learning and quantum computational advantage
本文研究了监督学习中的量子优势与量子计算优势的等价条件，发现生成训练集的高效算法是关键基石，并证明在素数分解问题经典不可解假设下某些学习任务存在量子加速。
2023-07-01 quant-ph
Fermion Sampling: a robust quantum computational advantage scheme using fermionic linear optics and magic input states
费米子线性光学（FLO）是量子计算的一种受限模型，其原始形式被认为是有效的经典模拟。我们表明，当初始化与合适的输入状态，FLO电路可以用来证明量子计算的优势，具有很强的硬度保证。在此基础上，我们提出了一种玻色子采样的费米子模拟-具有魔输入态的费米子采样的量子优势方案。我们并行考虑两类电路：粒子数守恒（被动）FLO和主动FLO，只保留费米子奇偶校验，是密切相关的匹配门电路介绍了勇敢。在数学上，这些类别的电路可以理解为李群$U(d)$和$SO(2d)$的费米子表示。这一观察使我们能够证明我们的主要技术结果。我们首先显示反集中的概率在随机FLO电路的两种。此外，我们证明了强大的平均情况下的概率计算的硬度。为了实现这一点，我们适应最坏的平均情况下减少凯莱变换的基础上，最近推出的Movassagh，低维李群的表示。总的来说，这些发现提供了与随机电路采样范式相媲美的硬度保证。重要的是，我们的计划也有实验实现的潜力。无源和有源FLO电路都与量子化学和多体物理学相关，并且已经在超导量子位架构的原理验证实验中实现。所需量子输入态的制备可以通过简单的量子线路来获得，该量子电路独立地作用于四个量子比特的不相交块，并且每个块使用3个纠缠门。我们还认为，由于FLO电路的结构化性质，它们可以有效地进行认证。
2021-11-23 math-ph math.MP quant-ph
Sample space filling analysis for boson sampling validation
Russian Quantum Center（俄罗斯量子中心）
本文提出基于样本空间填充分析的新验证协议，通过研究样本数量增加时的填充行为，有效区分玻色采样与经典模拟，用于验证量子优势。
2024-11-21 quant-ph
Boson sampling with displaced single-photon Fock states versus single-photon-added coherent states---The quantum-classical divide and computational-complexity transitions in linear optics
玻色子采样是一种特殊的量子计算，很难在经典计算机上有效实现。该任务是采样的线性光学干涉网络的输出光子数分布，这是与单光子Fock态输入馈给。已经提出的一个问题是，与光的任何其他输入量子态（除了Fock态）相关联的采样问题和合适的输出检测策略是否也具有与玻色子采样类似的计算复杂度。我们考虑通过位移操作不同于Fock态的态，即位移Fock态和加光子相干态。很容易证明，与位移单光子Fock态和位移光子数探测方案相关的采样问题与所有位移值的玻色子采样具有相同的复杂性。另一方面，我们表明，与单光子增加相干态和相同的位移光子数检测方案相关的采样问题表现出计算复杂性的转变。当输入相干振幅足够小时，它从与玻色子采样一样困难过渡到在大相干振幅的限制下的经典可模拟问题。
2015-02-27 quant-ph
Classical algorithm for simulating experimental Gaussian boson sampling
提出一种经典张量网络算法模拟高损耗高斯玻色采样，在量子优势基准上优于大规模实验，反驳了实验性量子优势声明。
2023-12-04 quant-ph
Computational Phase Transition Signature in Gibbs Sampling
Skolkovo Institute of Science and Technology（斯科尔科沃科学技术研究院）
吉布斯采样是广泛的计算机算法的基础。这样的算法被设置为由基于物理的处理器$-$代替，无论是量子还是随机退火设备$-$，其嵌入问题实例并将物理系统演化为系综以恢复概率分布。在一个关键的约束变量比，决策问题$-$，如命题可满足性$-$出现统计上表现出所需的计算资源的突然转变。这种所谓的算法或计算相变签名在当代基于物理学的处理器中尚未被观察到。我们发现，计算相变承认在吉布斯分布的签名，因此，我们预测和规定的物理观察这种效果。我们模拟了这样一个实验，当实验实现时，我们相信这将代表计算物理理论的一个里程碑。
2019-06-25 cond-mat.dis-nn cond-mat.stat-mech cs.CC
Limits of quantum generative models with classical sampling hardness
Institute of Computer Engineering, TU Wien（计算机工程系，维也纳技术大学）；Institute for Theoretical Physics, ETH Zürich（理论物理研究所，苏黎世联邦理工学院）
本文研究了量子生成模型的极限，发现抗集中模型无法训练，而稀疏分布模型可被训练，揭示了量子优势的来源与经典模拟的权衡。
2025-12-31 cs.LG quant-ph
Boson Sampling with Gaussian input states: toward efficient scaling and certification
本文提出结合连续变量量子信息与时间编码，利用双零差检测、时间环路和散射玻色采样技术，在单一实验装置中实现玻色采样实验的高效扩展与认证。
2024-11-13 quant-ph
Hybrid boson sampling-neural network architecture for enhanced classification
Institute of Fundamental and Frontier Sciences, University of Electronic Science and Technology of China（电子科技大学基础与前沿研究院）；Key Laboratory of Quantum Physics and Photonic Quantum Information, Ministry of Education, University of Electronic Science and Technology of China（电子科技大学量子物理与光子量子信息教育部重点实验室）；Shimmer Center, Tianfu Jiangxi Laboratory（天府江西实验室 shimmer 中心）
该研究提出混合玻色子采样-神经网络框架，构建量子核增强支持向量机分类，在四个数据集上优于经典核，展示量子增强机器学习的潜力。
2026-10-19 quant-ph
Variational Tensor Network Simulation of Gaussian Boson Sampling and Beyond
提出一种基于张量网络变分法的经典模拟工具，将连续变量采样问题转化为哈密顿量基态求解，可模拟高斯及非高斯玻色采样，并开发局部基优化技术以降低开销。
2025-08-08 quant-ph
Advantages of Unfair Quantum Ground-State Sampling
自二十年前Kadowaki和Nishimori开始该领域以来，围绕量子退火机相对于经典退火机的潜在优势的争论一直在进行。该领域最近的技术突破，导致量子退火优化器的实验原型的制造，其尺寸接近实际范围，重新引发了这一讨论。然而，量子退火加速的演示直到今天仍然是一个难以捉摸的目标。在这里，我们研究量子退火机的功率，以提供一种不同类型的量子增强的实际意义，即，他们的能力，作为有用的采样器从组合优化问题的基态流形。我们研究，无论是通过模拟理想的随机和非随机的量子退火过程的数值，和实验，使用市售的量子退火处理器，量子退火机的能力不同的自旋玻璃的基态样品比经典的热采样器。我们证明了：i）量子退火机一般对自旋玻璃的基态流形的采样与热优化器非常不同，ii）驱动退火过程的量子涨落的性质对基态的最终分布具有决定性影响，iii）实验量子退火机对基态流形的采样与热量子退火机和理想量子退火机显著不同。我们说明了如何量子退火可以作为强大的工具时，补充标准的采样算法。
2017-05-05 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
A brief history of quantum vs classical computational advantage
Michigan State University（密歇根州立大学）
本文综述了迄今为止所有声称量子计算优势的实验，并讨论了后续工作中的挑战、漏洞和反驳，以及近似优化和推荐系统等示例问题中的理论计算优势，最后回顾了量子纠错实验的最新进展。
2026-08-28 cs.ET physics.hist-ph quant-ph
Quantum computational advantage with string order parameters of 1D symmetry-protected topological order
具有有利量子策略的非定域博弈可以说是量子资源相对于经典资源的力量的最基本的证明。最近，某些多人推广的非局部游戏已被用来证明无条件分离之间的小计算复杂性类的浅深度电路。在这里，我们展示了这些非局部游戏的通用基态的一维的拓扑保护订单（SPTO）的有利策略，当一个离散的不变量的SPTO称为扭曲相位是非平凡的和-1。我们的建设表明，足够大的字符串序参量，这样的SPTO的指示全局约束的相关性，无条件的计算分离。
2021-07-29 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
Quantum computational advantage implies contextuality
我们表明，所有的问题，可以有效地解决在量子计算机和那些可解决的概率经典算法在多项式时间的类之间的分离意味着广义的上下文的量子算法。我们的结果包含版本的Gottesman-Knill定理作为特殊情况。
2021-12-15 quant-ph
Quantum-inspired classical algorithm for molecular vibronic spectra
本文提出一种用于谐振子势分子振动光谱的量子启发经典算法，通过推广Gurvits算法求解Fock态玻色采样并精确求解高斯玻色采样问题，证明此类分子振动光谱问题不具量子优势，并提出可能利用玻色采样器的更一般问题。
2023-03-22 quant-ph
Efficient classical algorithm for simulating boson sampling with heterogeneous partial distinguishability
本文扩展了玻色采样的经典模拟理论，提出一种高效算法来处理不同光子对之间不可分辨度各异的异构部分可分辨性情况。
2025-03-06 physics.optics quant-ph
Efficient Classical Sampling from Gaussian Boson Sampling Distributions on Unweighted Graphs
本研究提出基于马尔可夫链蒙特卡罗的双循环Glauber动力学算法，可在多项式时间内从无权图的GBS分布采样，在256顶点图实验中性能较传统算法最高提升10倍，兼具理论保证与实用价值。
2025-09-17 cs.DS quant-ph
