Quantum-inspired classical simulation through randomized time evolution
University of Oxford(牛津大学)
本文提出一种基于随机量子算法的经典模拟方法,通过张量网络表示随机浅层Trotter变种电路,实现精确时间演化,并在并行计算中显著减少门操作次数和求解时间。
2026-04-14 quant-ph
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
Optimal Summation and Integration by Deterministic, Randomized, and Quantum Algorithms
本文综述了有限序列求和与Hölder或Sobolev空间函数积分的最优算法,并引入量子计算新视角,比较了确定性、随机化和量子三种设置下的算法性能。
2001-05-23 cs.NA math.NA quant-ph
Demonstration of Robust Quantum Gate Tomography via Randomized Benchmarking
典型的量子门层析成像协议与自一致性问题作斗争:在没有初始状态和最终测量的知识的情况下不能重建门操作,但是在没有良好表征的门的情况下不能获得这样的知识。最近提出的技术,被称为随机基准断层扫描(RBT),回避这个自我一致性问题,设计实验是不敏感的准备和测量的缺陷。我们在超导量子比特系统中实现了这一提议,使用了一些实验改进,包括在单个“原子”脉冲和自定义控制硬件中实现Clifford组的每个元素,以实现大开销协议。我们展示了几个单量子位量子门的稳健重构,包括Clifford群外的幺正。我们证明,RBT产生的物理门重建是一致的随机基准获得的qualities。
2015-05-25 quant-ph
Approximate Randomized Benchmarking for Finite Groups
我们调查随机基准在一般设置与量子门,形成一个代表性的,不一定是一个不可约的,一个有限的群体。我们得出一个估计的平均保真度,然后可以校准实验数据。此外,我们建立的随机基准可以实现的唯一实现的量子门,产生组以及一个额外的任意组元素。在这种情况下,我们需要假设噪声接近协变。这产生了一种更实用的随机基准测试方法。此外,我们表明,随机基准是稳定的近似Haar采样的序列的门。这开辟了使用马尔可夫链蒙特卡罗方法,以获得门的随机序列更有效的可能性。我们证明了这些结果数值上使用的Clifford群以及单项式酉矩阵组的研究的例子。对于后者,我们专注于非零项的子群组成的n次单位根,其中包含T门。
2018-08-14 quant-ph
Improved Bounds on the Randomized and Quantum Complexity of Initial-Value Problems
我们处理的问题,开始在[8],寻找随机和量子复杂性的初值问题。我们在[8]中表明,在最坏情况下的确定性复杂度上,两种设置都有可能加速。在本文中,我们证明,通过定义新的算法,可以实现进一步的改进,在上界的随机化和量子复杂性。在具有r个连续有界偏导数的右手函数的Hölder类中,其中r阶导数是指数为ρ的Hölder函数,ε-复杂度在随机设置下为O((1/ε)^{1/(r+ρ+1/3)}),在量子计算机上为O((1/ε)^{1/(r+ρ+1/2)})(直到对数因子)。这是对文献[8]结果的改进。对于一个特殊的问题,进一步讨论了复杂性上界和下界之间的差距。我们考虑标量自治问题,其目的是计算积分区间的端点处的解。对于这个问题,我们通过建立(本质上)匹配的复杂性上限和下限来填补空白。我们证明了这种情况下的复杂性在随机设置中为(1/ε)^{1/(r+ p +1/2)}阶,在量子设置中为(1/ε)^{1/(r+ p +1)}阶(再次达到对数因子)。
2005-06-11 quant-ph
Successive randomized compression: A randomized algorithm for the compressed MPO-MPS product
Department of Computing and Mathematical Sciences, California Institute of Technology(加州理工学院计算与数学科学系)
本文提出连续随机压缩算法,用于高效计算MPO-MPS乘积的压缩表示,提升了计算速度和准确性。
2026-02-11 cond-mat.str-el cs.NA math.NA
Randomized Benchmarking of Quantum Gates
可扩展量子计算的关键要求是基本量子门可以以足够低的误差实现。用于确定门实现的错误行为的一种方法是执行过程层析成像。然而,标准过程层析成像受到状态准备、测量和单量子位门中的误差的限制。它的缺点是量子位数的缩放效率低下,并且当门是由长序列组成时,它不能检测到不利的错误复合。另一个问题是由于可扩展量子计算的期望错误概率为0.0001或更低的量级的事实。实验证明如此低的误差是具有挑战性的。我们描述了一种随机基准测试方法,该方法在不依赖于准确的状态准备和测量的情况下产生计算相关误差的估计。由于它涉及随机选择的门的长序列,因此它还验证了在长计算中使用时错误行为是稳定的。我们对捕获的原子离子量子比特实施了随机基准测试,在特定实验中建立了每个随机pi/2脉冲的一个量子比特错误概率为0.00482(17)。我们希望通过简单的技术修改可以很容易地改善这种错误概率。
2007-07-06 quant-ph
Practical quantum key distribution with non-phase-randomized coherent states
基于相干态的量子密钥分发(QKD)以其实现简单而闻名,但它受到基于最优无二义性状态鉴别的丢失相关攻击。至关重要的是,以前的研究表明,相干态QKD仅限于短距离,通常低于100公里,假设标准光纤损耗和系统参数。在这项工作中,我们提出了一个六相干状态相位编码QKD协议,能够容忍的总损失高达38 dB假设现实的系统参数,并高达56 dB的损失假设零噪声。该协议的安全性计算使用最近开发的安全证明技术的基础上半定规划,它只假设编码相干态的内积信息,预期的统计,和测量是独立的基础。因此,我们的研究结果表明,相干态量子密钥分配可能是一个有前途的候选人高速可证明安全的量子密钥分配。
2019-05-07 quant-ph
No quantum speedup over gradient descent for non-smooth convex optimization
我们研究了一阶凸优化问题,其中我们有黑盒访问(不一定光滑)的功能$f:\mathbb{R}^n \to \mathbb{R}$和它的(子)梯度。我们的目标是找到一个$ε$ -近似最小值的$f$从一个点,距离最多$R$从真正的最小值。如果$f$是$G$ -Lipschitz,则经典的梯度下降算法用$O((GR/ε)^{2})$查询解决该问题。重要的是,查询的数量与维度$n$无关,并且梯度下降在这方面是最佳的:没有确定性或随机算法可以实现更好的复杂性,仍然与维度$n$无关。在本文中,我们重新证明的随机下界的$Ω((GR/ε)^{2})$使用一个简单的参数比以前的下界。然后,我们表明,虽然在下界中使用的函数族是很难的随机算法,它可以解决使用$O(GR/ε)$量子查询。然后,我们显示了一个改进的下界对量子算法使用不同的实例集,并建立我们的主要结果,在一般情况下,即使量子算法需要$Ω((GR/ε)^2)$查询来解决这个问题。因此,没有量子加速超过梯度下降的黑盒一阶凸优化没有进一步的假设的功能家庭。
2020-10-05 cs.DS math.OC quant-ph
Optimal Quantum Speedups for Repeatedly Nested Expectation Estimation
Stanford University(斯坦福大学);Rutgers University(罗格斯大学)
本文提出了一种量子算法,实现对多次嵌套期望估计的最优加速,扩展了单层嵌套的量子加速方法,并解决了多级蒙特卡洛算法的去随机化问题。
2026-10-05 cs.NA math.NA q-fin.MF
Can graph properties have exponential quantum speedup?
量子计算机有时可以指数地超越经典计算机,但仅限于具有足够结构的问题。虽然众所周知,具有完全置换对称性的查询问题最多可以有多项式量子加速-即使是部分函数-但还不清楚这个条件必须放宽到何种程度才能实现指数加速。特别是,很自然地会问,对于(部分)图形属性,输入描述一个图形,输出只能依赖于它的同构类,指数加速是否可能。我们表明,这个问题的答案强烈依赖于输入模型。在邻接矩阵模型下,证明了任意图属性$\mathcal{P}$的有界错误随机查询复杂度$R$都有$R(\mathcal{P}) = O(Q(\mathcal{P})^{6})$,其中$Q$是有界错误量子查询复杂度.这否定地解决了Montanaro和de Wolf在邻接矩阵模型中的一个公开问题。更一般地,我们证明了$R(\mathcal{P}) = O(Q(\mathcal{P})^{3l})$的任何$l$ -均匀超图属性$\mathcal{P}$在邻接矩阵模型。与此形成鲜明对比的是,在有界度图的邻接列表模型中,我们展示了一个承诺问题,该问题显示了随机化和量子查询复杂性之间的指数分离。
2020-01-28 cs.CC math.CO quant-ph
Randomized and quantum approximate matrix multiplication
Simons Institute, UC Berkeley(西蒙斯研究所,加州大学伯克利分校);Institute for Quantum Information and Matter, Caltech(量子信息与物质研究所,加州理工学院)
本文统一随机化矩阵乘法为均值估计,改进经典算法并提出更快的单一算法,并利用量子均值估计实现量子加速。
2025-10-09 cs.DS quant-ph
Discrete Randomized Smoothing Meets Quantum Computing
School of Computation, Information & Technology, Technical Univ. of Munich(慕尼黑工业大学计算、信息与技术学院);Fraunhofer Institute for Cognitive Systems IKS(弗劳恩霍夫认知系统研究所IKS)
本文提出将量子计算与离散随机平滑结合,利用叠加态编码扰动和量子振幅估计实现模型调用次数的二次方减少,并设计二进制威胁模型在图像、图和文本上验证方法。
2024-08-01 cs.LG quant-ph
Quantum machine learning of large datasets using randomized measurements
Imperial College London(帝国理工学院)
量子计算机有望增强机器学习的实际应用。现实世界数据的量子机器学习必须处理大量的高维数据。然而,用于测量量子内核的传统方法对于大型数据集是不切实际的,因为它们与数据集大小的平方成比例。在这里,我们使用随机测量来测量量子内核。量子计算时间与数据集大小呈线性关系,对于经典后处理,量子计算时间与数据集大小呈二次关系。虽然我们的方法在量子比特数上一般呈指数级扩展,但在中等规模的量子计算机上运行时,我们获得了显著的速度提升。此外,我们有效地将高维数据编码到量子计算机中,其特征数量与电路深度呈线性关系。编码的特点是由量子费舍尔信息度量,并与径向基函数核。我们的方法是强大的噪声通过一个免费的错误缓解计划。我们证明了我们的方法的优势,嘈杂的量子计算机通过分类图像与IBM量子计算机。为了实现进一步的加速,我们在不同的量子计算机之间分配量子计算任务。我们的方法可以在当前可用的量子计算机上使用大型数据集对量子机器学习算法进行基准测试。
2022-12-01 cs.LG quant-ph stat.ML
Quantum Complexity of Integration
研究量子计算机在计算Hölder类函数积分时的复杂度,发现量子算法在光滑性较小时相对于确定性算法有指数加速,相对于随机化经典方法有近似二次加速。
2001-06-24 cs.NA math.NA quant-ph
Improved scaling of Time-Evolving Block-Decimation algorithm through Reduced-Rank Randomized Singular Value Decomposition
当量子系统中的纠缠量有限时,系统的相关动力学被限制在状态空间的一小部分。当被限制到这个子空间时,系统的描述在系统规模上变得有效。以时间演进块抽取(TEBD)算法为例的一类算法通过依赖于奇异值分解(SVD)的抽取技术选择相关子空间来利用这种观察。在这些算法中,每个时间演化步骤的复杂度由SVD决定。在这里,我们表明,通过应用一个随机版本的SVD例程(RRSVD),幂律管理TEBD的计算复杂性降低了一度,导致相当大的速度。我们在一些现实世界的例子,TEBD可以成功地应用于和证明,对于这些系统RRSVD提供的结果一样准确的最先进的确定性SVD例程的手,在效率上的潜在收益。
2015-04-04 physics.comp-ph quant-ph
Randomized measurement protocols for lattice gauge theories
本文提出具有对称性意识的随机化测量协议,利用量子系统的对称性约束降低测量成本、实现误差缓解,并能差异化测量格点规范理论的纠缠结构及验证拓扑有序态,且无需完全重构密度矩阵。
2024-03-20 cond-mat.stat-mech hep-lat nucl-th
Probing the geometry of correlation matrices with randomized measurements
本文通过随机测量框架,探究有限Schmidt数关联矩阵奇异值的几何边界,建立其与最大互不偏基和SIC-POVM存在性的联系。
2023-05-11 math-ph math.MP quant-ph
Faster randomized partial trace estimation
针对量子物理和化学中的部分迹估计问题,提出了一种随机无矩阵算法,通过显式去相关重要子空间降低方差,较现有方法实现数量级加速,并应用于海森堡自旋系统的热力学研究。
2024-11-28 cond-mat.str-el cs.NA math.NA
A Survey of Quantum Alternatives to Randomized Algorithms: Monte Carlo Integration and Beyond
Quantum Technologies Group, HSBC Holdings Plc.(汇丰控股量子技术组);HSBC(汇丰银行);Czech Technical University in Prague(布拉格捷克理工大学);Raytheon(雷神公司)
综述量子电路实现蒙特卡洛方法以加速计算,介绍替代经典蒙特卡洛的量子算法及自适应增强方案。
2026-07-01 cs.DS cs.NA math.NA
Randomized Row and Column Iterative Methods with a Quantum Computer
Academy of Mathematics and Systems Science, Chinese Academy of Sciences(中国科学院数学与系统科学研究院);School of Mathematics and Statistics, Wuhan University(武汉大学数学与统计学院)
本文提出利用量子块编码技术,为经典线性方程组求解的Kaczmarz方法和坐标下降法设计快速量子实现,实现了问题规模上的指数加速。
2019-05-28 cs.NA math.NA quant-ph