Gaussian Boson Sampling using threshold detectors
我们研究了可以说是最有实验吸引力的玻色子采样架构:高斯状态采样阈值检测器。我们表明,在这种情况下,观察到一个给定的结果的概率是相关的矩阵函数,我们命名为Torontonian,它发挥了类似的作用,在其他模型中的永久性或哈夫。我们还证明,只要观察到两个或更多的光子在一个单一的输出模式的概率是足够小的,我们的模型仍然难以模拟经典的标准复杂性理论的approximately。最后,我们利用模型的数学简单性,为所有采用高斯状态和阈值检测器的玻色子采样模型引入物理激励的精确采样算法。
2018-12-18 quant-ph
Using Gaussian Boson Sampling to Find Dense Subgraphs
玻色子采样装置是展示量子优越性的主要候选者,但它们在解决实际问题方面的应用还不太清楚。在这里,我们表明,高斯玻色子采样(GBS)可以用于稠密子图识别。针对NP-难的稠密子图问题,我们发现GBS以高概率选择稠密子图,增强了随机算法。这些发现依赖于图密度和完美匹配的数量之间的联系-由哈夫尼人枚举-这是决定GBS中抽样概率的相关数量。我们通过构建GBS增强版本的随机搜索和模拟退火算法来测试我们的研究结果,并通过GBS的数值模拟来识别30顶点图的denatrium子图。
2018-07-30 quant-ph
Efficient sampling from shallow Gaussian quantum-optical circuits with local interactions
我们证明了一个经典的计算机可以有效地从高斯态的光子数概率分布的采样,通过使用光路,是浅的和本地的。我们的工作将以前已知的量子比特的结果推广到连续变量域。我们证明的关键是观察到表征由浅电路和局部电路产生的高斯态的邻接矩阵具有小带宽。为了利用这种结构,我们设计了快速算法来计算带状矩阵的循环矩阵。由于从具有指数缩放光子损失的深度光路中进行采样是经典模拟的,因此我们的结果对在具有局部相互作用的光子平台上证明量子优越性的可行性提出了挑战。
2020-09-24 quant-ph
Uniform Hiding and Two Routes to Relative Accuracy in Gaussian Boson Sampling
School of Statistics, University of Minnesota(明尼苏达大学统计学院)
该研究针对高斯玻色采样中Haar干涉仪的矩形块形成的复对称转置Gram矩阵,证明其与复高斯转置Gram律的有限总变差比较,误差界明确,为高斯玻色采样硬度论证提供随机矩阵替代分量。
2026-09-14 quant-ph
Phase-noise induced many-body interference suppression in Gaussian Boson Sampling
Ulm University(乌尔姆大学);Center for Integrated Quantum Science and Technology (IQST)(集成量子科学与技术中心)
本研究通过海森堡绘景张量网络形式研究高斯玻色采样,揭示相位扩散逐步抑制多体干涉,建立了连接相位涨落与量子干涉丧失的透明框架。
2026-09-01 quant-ph
Rapid Gaussian Boson Sampling Circuit Screening for GKP States Creation via a Two-Stage Machine Learning Surrogate
Shahid Beheshti University(沙希德·贝赫什提大学);AriaQuanta Quantum Computing Center(阿里安塔量子计算中心);Quantum Research Center, Shahid Sattari University of Aeronautical Sciences and Technology(沙希德·萨塔里航空航天科技大学量子研究中心)
针对GKP态制备中高斯玻色采样电路评估的指数级计算成本问题,提出两阶段直方图梯度提升代理方法,无需计算Hafnian即可预测最优 heralding 模式、电路保真度和后选择概率,将模拟负担降低约90%。
2026-06-04 quant-ph
Efficient simulation of low-entanglement bosonic Gaussian states in polynomial time
Institute of Physics, Chinese Academy of Sciences(中国科学院物理研究所);School of Physical Sciences, University of Chinese Academy of Sciences(中国科学院大学物理科学学院);School of Physical Science and Technology, ShanghaiTech University(上海科技大学物理科学与技术学院);Faculty of Physics and Arnold Sommerfeld Center for Theoretical Physics, Ludwig-Maximilians-Universität München(慕尼黑大学物理系与阿诺德·索末菲理论物理中心)
本文提出一种高效算法,将纯玻色高斯态转换为矩阵乘积态,以在低纠缠情况下实现玻色高斯系统的高效模拟,通过高斯奇异值分解和投影创造算子映射,避免计算hafnian,从而提升计算效率。
2026-05-11 cond-mat.str-el quant-ph
Gaussian Boson Sampling for perfect matchings of arbitrary graphs
一个著名的具有广泛应用的图难题是计算完美匹配的数量,即图的顶点的唯一和完全配对的数量。基于高斯玻色子抽样与图论的关系,提出了一种无向图完美匹配数的估计方法。在每个输出模式中测量零个或一个光子的概率直接与邻接矩阵的高斯数相关,因此与图的完美匹配的数量相关。我们提出了一个图的邻接矩阵编码成高斯状态,并显示策略,以提高采样成功概率。通过我们的方法,与经典计算机相比,高斯玻色子采样设备可以更快地估计完美匹配的数量,并且能耗更低。
2017-12-19 quant-ph
Gaussian boson sampling with click-counting detectors
研究使用点击计数探测器进行Gaussian boson sampling,提出新矩阵函数Kensingtonian并证明其不可高效模拟。
2024-02-13 quant-ph
Exact Moments of Gaussian Gram Hafnians Reveal an $n^2/\log n$ Threshold for Weak Anticoncentration
School of Statistics, University of Minnesota(明尼苏达大学统计学院)
该研究通过计算高斯格拉姆哈夫尼亚的二阶、四阶矩,得到矩比的渐近行为,揭示了弱反集中的标度阶边界为$n^2/\log n$,为高斯玻色采样相关的难度论证提供了关键矩准则。
2026-08-19 math.PR 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
Realistic photon-number resolution in Gaussian boson sampling
本文推导了高斯玻色采样中适用于任意探测器的光子计数概率分布,并将其用于分析现实光子数分辨能力下的验证技术。
2024-10-20 quant-ph
Boosting Gaussian Boson Sampling using Optical Parametric Amplification Networks
University of Science and Technology of China(中国科学技术大学)
针对光学损耗导致高斯玻色采样可经典模拟的问题,提出基于光学参量放大器网络的非线性光子架构,通过放大量子关联并保持输出概率的#P-hard Hafnian结构,在损耗环境下保持计算难解性。
2026-05-28 quant-ph
Bipartite Gaussian Boson Sampling for Hamiltonian Cycles in Directed Graphs
College of Computer Science and Technology, National University of Defense Technology(国防科技大学计算机学院);College of Advanced Interdisciplinary Studies, National University of Defense Technology(国防科技大学前沿交叉学院)
提出基于二部高斯玻色采样的有向图启发式优化框架,通过永久偏置采样引导遗传算法解决有向哈密顿环问题,数值实验表明能提高成功率并找到更长有效路径。
2026-06-27 quant-ph
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
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
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
Towards the simplest model of quantum supremacy: Atomic boson sampling in a box trap
本文提出盒式陷阱中BEC气体非凝聚部分的原子玻色子采样作为量子霸权新平台,发现压缩和干涉自发生成,无需外部压缩源。
2023-06-23 cond-mat.quant-gas cond-mat.stat-mech quant-ph
Efficient Classical Sampling from Gaussian Boson Sampling Distributions on Unweighted Graphs
Center on Frontiers of Computing Studies, Peking University(前沿计算研究中心,北京大学);School of Computer Science, Peking University(计算机学院,北京大学);School of Mathematical Sciences, Peking University(数学科学学院,北京大学)
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
Simulability of Imperfect Gaussian and Superposition Boson Sampling
研究了在光子可分辨性非零的情况下经典模拟高斯玻色子采样的困难性。我们发现,类似于常规玻色子采样,可重复性导致高斯玻色子采样中的多光子干涉项的指数衰减。除了在矩阵持久性理论中的一个公开问题,这导致了一个有效的经典算法来模拟高斯玻色子采样的存在下的可扩展性。我们还研究了一种新的形式的玻色子采样的光子数叠加态的基础上,我们也表明噪声敏感性。这种叠加玻色子采样在零可测性下用我们的方法是不可模拟的,这一事实是这个问题的计算难度的第一个证据。
2019-11-22 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
Boson Sampling for Generalized Bosons
我们引入了“广义玻色子”的概念,其交换统计类似于玻色子,但本地玻色子交换子$[a_i,a_i^\dagger]=1$被替换为一个任意的单模运营商,是对角的广义Fock基础。广义玻色子的例子包括玻色子对和自旋。我们考虑这些粒子的玻色子采样任务的模拟,并观察到它的输出概率仍然由永久量给出,因此关于采样硬度的结果直接延续。最后,我们提出了广义玻色子采样电路QED和离子阱平台的实现。
2022-05-02 quant-ph
Scalable Implementation of Boson Sampling with Trapped Ions
玻色子抽样解决了一个经典的棘手问题,从矩阵永久式给出的概率分布进行抽样。我们提出了一个可扩展的实现玻色子采样使用本地横声子模式的被困离子编码的玻色子。该方案允许确定性的准备和高效率的读出玻色子的Fock状态和通用模式混合。利用最先进的囚禁离子技术,该方案可以实现数十个玻色子的玻色子采样,其性能将超过目前最强大的经典计算机,是著名的扩展Church-Turing定理的有效反证。
2013-10-17 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
Efficiently simulating the work distribution of multiple identical bosons with boson sampling
Center for Quantum Technology Research and Key Laboratory of Advanced Optoelectronic Quantum Architecture and Measurements (MOE), School of Physics, Beijing Institute of Technology(北京理工大学物理学院量子技术研究中心及先进光电子量子架构与测量教育部重点实验室)
本文提出利用玻色采样高效模拟多个相同玻色子的工作分布,通过计算量子活塞系统中单玻色本征态间的过渡振幅矩阵,并映射到玻色采样线性光网络,展示了利用光子和线性光学计算复杂量子工作分布的新路径。
2023-11-09 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
Toward Scalable Boson Sampling with Photon Loss
玻色子采样是一个定义明确的任务,被强烈认为是经典计算机难以处理的,但可以通过特定的量子模拟器有效地解决。然而,大规模实验玻色子采样的一个突出问题是可扩展性。在这里,我们报告了一个实验玻色子采样与光子损失,并证明了玻色子采样与一些光子损失可以提高采样率。我们的实验使用一个量子点微柱单光子源解复用到一个16*16模式的超低损耗光子电路的七个输入端口,我们检测到三,四和五倍的符合计数。我们实现和验证有损玻色子采样与一个和两个光子丢失,并获得187 kHz,13.6 kHz,和0.78 kHz的采样率为五,六,七光子玻色子采样与两个光子丢失,这是9.4,13.9,和18.0倍,分别比标准玻色子采样。我们的实验显示了一种方法,以显着提高采样率的多光子玻色子采样。
2018-01-25 quant-ph
Stringent and efficient assessment of Boson-Sampling devices
玻色子采样有可能在实验上证伪扩展丘奇图灵命题。然而,玻色子采样的计算难度使实验设备在其优于经典计算机的状态下产生正确结果的证明变得复杂。为了验证玻色子采样器,人们需要验证量子预测,并排除在没有真正的多玻色子干扰的情况下产生这些预测的模型。我们表明,一个半经典模型的多玻色子传播再现粗粒度的观测量,提出了玻色子采样的证人。基于傅立叶矩阵的测试证明伪造物理上合理的替代品相干多玻色子传播。
2014-07-11 quant-ph
Boson sampling with self-generation of squeezing via interaction of photons and atoms
本研究提出一种玻色采样多模压缩态生成新方案,用含二能级原子的多模谐振器替代线性干涉仪自发生成压缩复合态,无需外部光子源与大量耦合器,其联合概率分布经典计算机难有效计算,可通过现有技术实现。
2024-09-13 cond-mat.quant-gas 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
Quantum computational advantage of noisy boson sampling with partially distinguishable photons
Seoul National University(首尔大学);Korea Advanced Institute of Science and Technology(韩国科学技术院)
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
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
Certification of Boson Sampling Devices with Coarse-Grained Measurements
玻色子采样装置可以有效地对多体干涉下的非相互作用玻色子输出概率分布进行采样。这个问题不仅是经典的棘手,但它的解决方案也被认为是经典的无法验证。因此,实验中的一个主要困难是确保玻色子采样装置正确执行。我们提出了一个实验友好的计划,提取有用的和强大的信息,从量子玻色子采样器的基础上粗粒度的测量。该程序可用于验证玻色子采样装置的等效性,同时排除其他欺诈装置。我们进行了数值模拟,以证明该方法的可行性,并考虑现实噪声的影响。我们的方法预计将普遍适用于其他多机构认证任务以外的玻色子采样问题。
2016-01-11 quant-ph
Classical simulation of boson sampling with sparse output
玻色子采样可以模拟经典模拟效率低下的物理问题。然而,并不是所有的问题模拟玻色子采样是经典的棘手。我们考虑的情况下,它是已知的玻色子采样的结果是稀疏的。它可以从几个经典可计算的边缘分布中确定。然而,联合分布的恢复可能具有高复杂度。我们展示了经典的有效方法的恢复假设高稀疏性的联合分布。讨论了各种扩展,包括涉及量子退火的版本。
2019-10-11 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
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
Quantum complexity resource in Gaussian boson sampling: Core structure of the semidefinite program
Department of Mathematics , Texas A\&M University , College Station , 77843 , Texas , USA;Department of Physics \& Astronomy , Texas A\&M University , College Station , 77843 , Texas , USA
本文严格分析了高斯玻色采样中玻色子模式系统的量子复杂度资源的代数与几何结构,证明资源协方差矩阵是半定规划的解,并刻画了优化子为唯一纯高斯态,建立了资源的核心结构。
2026-06-29 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
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
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
Efficient algorithm for boson sampling with partially distinguishable photons
我们演示了如何玻色子采样与光子的部分可分辨性可以表示在较少的光子的干扰。我们利用这一观察,提出了一个经典的算法来模拟玻色子采样器的输出与光子的部分可分辨性。我们发现该算法是有效的条件,这给了一个下限所需的不变性,以证明一个量子优势。在这些条件下,增加更多的光子只是多项式地增加了模拟玻色子采样实验的计算成本。
2017-07-10 quant-ph
Unified boson sampling
University of Florence(佛罗伦萨大学);Istituto Nazionale di Ottica del Consiglio Nazionale delle Ricerche (CNR-INO)(意大利国家光学研究所);Paderborn University(帕德博恩大学)
本研究提出一种统一玻色采样方法,结合离散和连续变量采样,用于探索多光子和多模光的复杂性及不同光子量子信息处理平台的接口。
2025-09-15 quant-ph
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
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
Microwave Boson Sampling
第一个后经典计算很可能不会在通用量子计算机上进行,而是在专用的量子硬件上进行。实现这一点的一个强有力的候选者是从线性量子光网络的输出分布中采样的任务。这个问题被称为玻色子采样,最近被证明对任何经典计算机都是难以解决的,但它可以通过运行相应的实验来自然地进行。然而,迄今为止,只有小规模实现玻色子采样实验已经证明。它们的主要局限性与非确定性状态准备和低效的测量步骤有关。在这里,我们提出了一种替代的设置来实现玻色子采样是基于微波光子,而不是光学光子。超导设备的认证可扩展性表明,这个方向是有希望的玻色子采样的大规模实施,并允许更灵活的功能,如任意状态的准备和有效的光子数测量。
2015-10-27 quant-ph
Sampling of bosonic qubits
玻色子采样问题在量子信息领域引起了广泛的关注,因为它不能用经典计算机有效地解决;尽管如此,它可以用具有单玻色子源的线性光学干涉仪来实现。最近,我们介绍了一个更一般的问题,多玻色子相关采样问题,这使我们能够利用玻色子源的多模光谱分布与时间相关的测量,以实现采样不仅在输出端口的干涉仪,但也超过联合检测时间。针对单光子源和热源两种情况分析了这个问题。在这项工作中,我们证明了使用单量子比特玻色子源不仅可以在所描述的“时空”自由度上采样,而且可以在所有可能的指数数量的多量子比特输出状态上采样。
2015-06-16 quant-ph
Sampling arbitrary photon-added or photon-subtracted squeezed states is in the same complexity class as boson sampling
玻色子采样是非通用线性光学量子计算的简单模型,使用的物理资源比通用方案少得多。包括真空和单光子状态的输入状态通过Haar随机线性光学网络馈送,并使用符合光电探测在输出处采样。这个问题被强烈认为是经典的难以模拟。我们表明,一个类似的程序实现了同样的问题,使用光子添加或减去压缩真空状态(任意压缩),在输出采样通过奇偶测量。这种等价性是精确的,并且与压缩参数无关,因此提供了与玻色子采样具有相同复杂性的一类光的新量子态。
2015-02-23 quant-ph
High Dimensional Unitary Transformations and Boson Sampling on Temporal Modes using Dispersive Optics
我们提出的方法,允许数量级增加的线性光学实验中的模式的数量从空间编码到时间编码和使用色散。这使得线性量子光学和玻色子采样实验具有显著的实际优势。使连续的光子通过与时间无关的色散并测量光子的输出时间相当于玻色子采样实验,据我们所知,没有有效的经典算法。利用依赖于时间的色散,可以实现任意的单粒子幺正。鉴于这些方案的要求相对简单,它们提供了一条实现更大的线性量子光学实验的途径,包括后经典玻色子采样机。
2015-05-12 quant-ph
Boson sampling with non-identical single photons
玻色子采样问题在科学界引起了很大的兴趣,因为它有可能在不需要非线性过程的情况下展示量子干涉的计算能力。然而,任何经典设备都难以解决这样的问题,这依赖于实现光谱近似相同的单光子。在本文中,我们讨论的物理玻色子采样与不同的单光子源,这是密切相关的可扩展的实验实现,并触发复杂性理论中的迷人问题。
2015-12-17 quant-ph
Photon-number moments and cumulants of Gaussian states
本文推导了高斯态光子数矩与累积量的闭式表达式,揭示了其与图论函数的联系并证明计算复杂度为#P-hard,同时分析了高斯玻色采样中不同输入态的累积量分布。
2024-11-05 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
Simulating complex networks in phase space: Gaussian boson sampling
我们展示了如何在光子网络中的高斯量子态的相空间模拟允许高斯玻色子采样(GBS)量子计算机的可测量的相关性的验证。我们的结果与实验一致,高达100阶的相关性,包括退相干。我们将其扩展到超过16,000种模式,并描述如何模拟真正的多体纠缠。
2022-01-11 quant-ph
Sample caching Markov chain Monte Carlo approach to boson sampling simulation
玻色子采样是量子霸权的一个有希望的候选者。它需要从复杂的分布中采样,并且被认为在经典计算机上是难以处理的。在各种经典的抽样方法中,马尔可夫链蒙特卡罗方法是模拟和验证玻色子抽样的一种重要方法。然而,该方法遭受由样本序列的自相关引起的严重样本丢失问题。针对这一问题,提出了样本缓存马尔可夫链蒙特卡罗方法,消除了样本间的相关性,同时防止了样本丢失,使得玻色子采样的模拟更加高效。此外,我们的方法可以被用作一个通用的采样框架,可以受益于广泛的采样任务,特别适合于应用程序,大量的样本。
2020-04-24 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