随机深度量子振幅估计
Random-depth Quantum Amplitude Estimation
AI总结：
本文提出随机深度改进的最大似然振幅估计算法，避免临界点，实现近似无偏并更优逼近海森堡极限。
摘要：
最大似然振幅估计算法（MLAE）是量子振幅估计问题的一种实用解决方案，具有海森堡极限误差收敛性。我们通过使用随机深度来改进MLAE，以避免所谓的临界点，并进行了数值实验，结果表明与原始MLAE相比，我们的算法近似无偏，且更好地逼近海森堡极限。
英文摘要：
The maximum likelihood amplitude estimation algorithm (MLAE) is a practical solution to the quantum amplitude estimation problem with Heisenberg limit error convergence. We improve MLAE by using random depths to avoid the so-called critical points, and do numerical experiments to show that our algorithm is approximately unbiased compared to the original MLAE and approaches the Heisenberg limit better.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
