อัตราส่วนแอมพลิจูดและสถานะควอนตัมเครือข่ายประสาท

[1] Scott Aaronsonและ Alex Arkhipov "ความซับซ้อนในการคำนวณของ Linear Optics" (2011)
https://doi.org/10.1145/​1993636.1993682

[2] Clement Cannone การสื่อสารส่วนบุคคล (2021)

[3] Clément L. Canonne, Dana Ron และ Rocco A. Servedio, “Testing Probability Distributions using Conditional Samples” SIAM Journal on Computing 44, 540–616 (2015)
https://doi.org/10.1137/​130945508

[4] Clement L. Canonne, Xi Chen, Gautam Kamath, Amit Levi และ Erik Waingarten, “Random Restrictions of High Dimensional Distributions and Uniformity Testing with Subcube Conditioning” Proceedings of the Thirdy-Second Annual ACM-SIAM Symposium on Discrete Algorithms 321–336 ( 2021).

[5] Giuseppe Carleo, Yusuke Nomura และ Masatoshi Imada, “การสร้างตัวแทนที่แน่นอนของระบบควอนตัมหลายร่างกายด้วยเครือข่ายประสาทลึก” Nature Communications 9, 5322 (2018)
https:/​/​doi.org/​10.1038/​s41467-018-07520-3

[6] Giuseppe Carleo และ Matthias Troyer "การแก้ปัญหาควอนตัมหลายตัวด้วยโครงข่ายประสาทเทียม" Science 355, 602–606 (2017)
https://doi.org/10.1126/​science.aag2302

[7] Sourav Chakraborty, Eldar Fischer, Yonatan Goldhirsh และ Arie Matsliah, “On the Power of Conditional Samples in Distribution Testing” Proceedings of the 4th Conference on Innovations in Theoretical Computer Science 561–580 (2013)
https://doi.org/10.1145/​2422436.2422497

[8] Martin Dyer, Alan Frieze และ Ravi Kannan, “A Random Polynomial-Time Algorithm for Approximating the Volume of Convex Bodies” J. ACM 38, 1–17 (1991)
https://doi.org/10.1145/​102782.102783

[9] Alan Frieze, Ravi Kannan และ Santosh Vempala, “อัลกอริทึม Monte-Carlo อย่างรวดเร็วสำหรับการค้นหาค่าประมาณอันดับต่ำ” J. ACM 51, 1025–1041 (2004)
https://doi.org/10.1145/​1039488.1039494

[10] Xun Gao และ Lu-Ming Duan “การแสดงสถานะควอนตัมที่มีร่างกายจำนวนมากอย่างมีประสิทธิภาพด้วยโครงข่ายประสาทเทียมระดับลึก” Nature Communications 8, 662 (2017)
https:/​/​doi.org/​10.1038/​s41467-017-00705-2

[11] Vojtech Havlicekand Sergii Strelchuk “วงจรสุ่มตัวอย่าง Quantum Schur สามารถจำลองได้อย่างแข็งแกร่ง” Phys. รายได้ Lett 121, 060505 (2018).
https://doi.org/​10.1103/​PhysRevLett.121.060505

[12] เจฟฟรีย์ อี. ฮินตัน “การฝึกอบรมผลิตภัณฑ์ของผู้เชี่ยวชาญโดยลดความแตกต่างของคอนทราสต์ให้เหลือน้อยที่สุด” การคำนวณทางประสาท 14, 1771–1800 (2002)
https://doi.org/10.1162/​089976602760128018

[13] Mark Huber “อัลกอริทึมการประมาณสำหรับค่าคงที่ปกติของการแจกแจง Gibbs” The Annals of Applied Probability 25 (2015)
https://​doi.org/​10.1214/​14-aap1015

[14] Mark Jerrum "การสร้างโครงสร้างเชิงผสมแบบสุ่มจากการกระจายแบบสม่ำเสมอ (บทคัดย่อเพิ่มเติม)" การดำเนินการของ Colloquium ครั้งที่ 12 เรื่อง Automata ภาษาและการเขียนโปรแกรม 290–299 (1985)

[15] Mark R. Jerrum, Leslie G. Valiant และ Vijay V. Vazirani, “การสร้างโครงสร้างเชิงซ้อนแบบสุ่มจากการกระจายแบบสม่ำเสมอ” วิทยาการคอมพิวเตอร์เชิงทฤษฎี 43, 169–188 (1986)
https:/​/​doi.org/​10.1016/​0304-3975(86)90174-X
https://www.sciencedirect.com/​science/​article/​pii/​030439758690174X

[16] Bjarni Jónsson, Bela Bauer และ Giuseppe Carleo, “สถานะโครงข่ายประสาทเทียมสำหรับการจำลองแบบคลาสสิกของการคำนวณควอนตัม” arXiv e-prints arXiv:1808.05232 (2018)
https://doi.org/​10.48550/​ARXIV.1808.05232
arXiv: 1808.05232

[17] Richard M Karp, Michael Luby และ Neal Madras, “อัลกอริธึมการประมาณแบบมอนติคาร์โลสำหรับปัญหาการแจงนับ” Journal of Algorithms 10, 429–448 (1989)
https:/​/​doi.org/​10.1016/​0196-6774(89)90038-2
https://www.sciencedirect.com/​science/​article/​pii/​0196677489900382

[18] Matthieu Lerasle “เอกสารประกอบการบรรยาย: หัวข้อที่เลือกเกี่ยวกับทฤษฎีการเรียนรู้ทางสถิติที่มีประสิทธิภาพ” arXiv e-prints arXiv:1908.10761 (2019)
https://doi.org/​10.48550/​ARXIV.1908.10761
arXiv: 1908.10761

[19] Philip M. Longand Rocco A. Servedio “เครื่องจักร Boltzmann ที่ถูกจำกัดยากที่จะประเมินหรือจำลองโดยประมาณ” การดำเนินการของการประชุมนานาชาติครั้งที่ 27 ในการประชุมนานาชาติเรื่องการเรียนรู้ของเครื่อง 703–710 (2010)

[20] James Martens, Arkadev Chattopadhya, Toni Pitassi และ Richard Zemel, “On the Representational Efficiency of Restructed Boltzmann Machines” Curran Associates, Inc. (2013)
http://​papers.nips.cc/​paper/​5020-on-the-representational-efficiency-of-restricted-boltzmann-machines.pdf

[21] Matija Medvidovićและ Giuseppe Carleo “การจำลองรูปแบบคลาสสิกของอัลกอริทึมการปรับให้เหมาะสมโดยประมาณของควอนตัม” npj ข้อมูลควอนตัม 7, 101 (2021)
https://doi.org/10.1038/​s41534-021-00440-z
arXiv: 2009.01760

[22] Imdad SB Sardharwalla, Sergii Strelchuk และ Richard Jozsa, “Quantum Conditional Query Complexity” Quantum Info คอมพิวเตอร์ 17, 541–567 (2017).

[23] P. Smolensky "การประมวลผลข้อมูลในระบบไดนามิก: รากฐานของทฤษฎีความสามัคคี" MIT Press (1986)

[24] Daniel Štefankovič, Santosh Vempala และ Eric Vigoda, “Adaptive Simulated Annealing: A Near-Optimal Connection between Sampling and Counting” J. ACM 56 (2009)
https://doi.org/10.1145/​1516512.1516520

[25] Ewin Tang “อัลกอริทึมคลาสสิกที่ได้รับแรงบันดาลใจจากควอนตัมสำหรับระบบคำแนะนำ” การดำเนินการของ ACM SIGACT Symposium ประจำปีครั้งที่ 51 เรื่องทฤษฎีคอมพิวเตอร์ 217–228 (2019)
https://doi.org/10.1145/​3313276.3316310

[26] LG Valiant “ความซับซ้อนของการคำนวณแบบถาวร” วิทยาการคอมพิวเตอร์เชิงทฤษฎี 8, 189–201 (1979)
https:/​/​doi.org/​10.1016/​0304-3975(79)90044-6
https://www.sciencedirect.com/​science/​article/​pii/​0304397579900446

[27] Maarten Van Den Nest "การจำลองคอมพิวเตอร์ควอนตัมด้วยวิธีความน่าจะเป็น" ข้อมูลควอนตัม คอมพิวเตอร์ 11, 784–812 (2011).