1สถาบันคอมพิวเตอร์ประสิทธิภาพสูง Agency for Science, Technology and Research (A*STAR), 1 Fusionopolis Way, #16-16 Connexis, Singapore 138632, Singapore
2Zapata Computing, Inc., 100 Federal Street, ชั้น 20, บอสตัน, แมสซาชูเซตส์ 02110, สหรัฐอเมริกา
3ภาควิชาวิทยาการคอมพิวเตอร์ มหาวิทยาลัยเทกซัสออสติน ออสติน เท็กซัส 78712 สหรัฐอเมริกา
พบบทความนี้ที่น่าสนใจหรือต้องการหารือ? Scite หรือแสดงความคิดเห็นใน SciRate.
นามธรรม
โปรโตคอลเงาแบบคลาสสิกที่เพิ่งเปิดตัวโดย Huang, Kueng และ Preskill [Nat. ฟิสิกส์ 16, 1050 (2020)] เป็นโปรโตคอลควอนตัมคลาสสิกเพื่อประเมินคุณสมบัติของสถานะควอนตัมที่ไม่รู้จัก ซึ่งแตกต่างจากการตรวจเอกซเรย์สถานะควอนตัมเต็มรูปแบบ โปรโตคอลสามารถนำไปใช้กับฮาร์ดแวร์ควอนตัมระยะใกล้และต้องการการวัดควอนตัมเพียงเล็กน้อยเพื่อทำการคาดการณ์จำนวนมากโดยมีโอกาสสำเร็จสูง
ในบทความนี้ เราศึกษาผลกระทบของสัญญาณรบกวนบนโปรโตคอลเงาแบบคลาสสิก โดยเฉพาะอย่างยิ่ง เราพิจารณาสถานการณ์ที่วงจรควอนตัมที่เกี่ยวข้องกับโปรโตคอลอยู่ภายใต้ช่องสัญญาณรบกวนที่รู้จักต่างๆ และได้รับขอบเขตบนในการวิเคราะห์สำหรับความซับซ้อนของตัวอย่างในแง่ของเซมินอร์มเงาสำหรับสัญญาณรบกวนทั้งในพื้นที่และทั่วโลก นอกจากนี้ ด้วยการแก้ไขขั้นตอนหลังการประมวลผลแบบคลาสสิกของโปรโตคอลไร้เสียง เรากำหนดตัวประมาณค่าใหม่ที่คงความเป็นกลางในที่ที่มีสัญญาณรบกวน ในการใช้งาน เราแสดงให้เห็นว่าผลลัพธ์ของเราสามารถใช้เพื่อพิสูจน์ขอบเขตบนของความซับซ้อนของตัวอย่างที่เข้มงวดในกรณีของสัญญาณรบกวนแบบดีโพลาไรซ์และการลดทอนแอมพลิจูด
► ข้อมูล BibTeX
► ข้อมูลอ้างอิง
[1] จอห์น เพรสสกิล Quantum Computing ในยุค NISQ และหลังจากนั้น ควอนตัม 2:79, 2018. doi:10.22331/q-2018-08-06-79.
https://doi.org/10.22331/q-2018-08-06-79
[2] Kishor Bharti, Alba Cervera-Lierta, Thi Ha Kyaw, Tobias Haug, Sumner Alperin-Lea, Abhinav Anand, Matthias Degroote, Hermanni Heimonen, Jakob S. Kottmann, Tim Menke, Wai-Keong Mok, Sukin Sim, Leong-Chuan Kwek, และ Alán Aspuru-Guzik อัลกอริทึมควอนตัมระดับกลางที่มีเสียงดัง รายได้ Mod Phs., 94:015004, ก.พ. 2022. doi:10.1103/RevModPhys.94.015004.
https://doi.org/10.1103/RevModPhys.94.015004
[3] Marco Cerezo, Andrew Arrasmith, Ryan Babbush, Simon C Benjamin, Suguru Endo, Keisuke Fujii, Jarrod R McClean, Kosuke Mitarai, Xiao Yuan, Lukasz Cincio และคณะ อัลกอริทึมควอนตัมแปรผัน ฟิสิกส์บทวิจารณ์ธรรมชาติ 3(9):625–644, 2021. doi:10.1038/s42254-021-00348-9.
https://doi.org/10.1038/s42254-021-00348-9
[4] Alberto Peruzzo, Jarrod McClean, Peter Shadbolt, Man-Hong Yung, Xiao-Qi Zhou, Peter J. Love, Alán Aspuru-Guzik และ Jeremy L. O'Brien ตัวแก้ค่าลักษณะเฉพาะที่แปรผันบนตัวประมวลผลควอนตัมแบบโทนิค การสื่อสารธรรมชาติ 5:4213, 2014. doi:10.1038/ncomms5213.
https://doi.org/10.1038/ncomms5213
[5] เอ็ดเวิร์ด ฟาร์ฮี, เจฟฟรีย์ โกลด์สโตน และแซม กัทมันน์ อัลกอริทึมการปรับให้เหมาะสมโดยประมาณของควอนตัม พิมพ์ล่วงหน้า arXiv arXiv:1411.4028, 2014. doi:10.48550/arXiv.1411.4028
https://doi.org/10.48550/arXiv.1411.4028
arXiv: 1411.4028
[6] Yudong Cao, Jonathan Romero, Jonathan P. Olson, Matthias Degroote, Peter D. Johnson, Mária Kieferová, Ian D. Kivlichan, Tim Menke, Borja Peropadre, Nicolas PD Sawaya และคณะ เคมีควอนตัมในยุคของคอมพิวเตอร์ควอนตัม บทวิจารณ์เกี่ยวกับสารเคมี, 119(19):10856–10915, 2019. doi:10.1021/acs.chemrev.8b00803.
https://doi.org/10.1021/acs.chemrev.8b00803
[7] วิตโตรีโอ จิโอวานเน็ตติ, เซธ ลอยด์ และลอเรนโซ แมคโคเน มาตรวิทยาควอนตัม จดหมายตรวจร่างกาย 96(1):010401 2006 doi:10.1103/PhysRevLett.96.010401
https://doi.org/10.1103/PhysRevLett.96.010401
[8] Nikolaj Moll, Panagiotis Barkoutsos, Lev S. Bishop, Jerry M. Chow, Andrew Cross, Daniel J. Egger, Stefan Filipp, Andreas Fuhrer, Jay M. Gambetta, Marc Ganzhorn และคณะ การเพิ่มประสิทธิภาพควอนตัมโดยใช้อัลกอริธึมการแปรผันบนอุปกรณ์ควอนตัมระยะใกล้ วิทยาศาสตร์และเทคโนโลยีควอนตัม 3(3):030503 2018 https:///doi:10.1088/2058-9565/aab822
https://doi.org/10.10882058-9565/aab822
[9] Dave Wecker, Matthew B. Hastings และ Matthias Troyer ความคืบหน้าสู่อัลกอริธึมการแปรผันเชิงควอนตัมที่ใช้งานได้จริง การตรวจร่างกาย A, 92(4):042303, 2015. doi:10.1103/PhysRevA.92.042303.
https://doi.org/10.1103/PhysRevA.92.042303
[10] William J. Huggins, Jarrod R. McClean, Nicholas C. Rubin, Zhang Jiang, Nathan Wiebe, K. Birgitta Whaley และ Ryan Babbush การวัดค่าความยืดหยุ่นที่มีประสิทธิภาพและเสียงรบกวนสำหรับเคมีควอนตัมในคอมพิวเตอร์ควอนตัมระยะใกล้ npj Quantum Information, 7(1):1–9, 2021. doi:10.1038/s41534-020-00341-7.
https://doi.org/10.1038/s41534-020-00341-7
[11] Hsin-Yuan Huang, Richard Kueng และ John Preskill ทำนายคุณสมบัติหลายอย่างของระบบควอนตัมจากการวัดเพียงเล็กน้อย ฟิสิกส์ธรรมชาติ 16(10):1050–1057, 2020. doi:10.1038/s41567-020-0932-7.
https://doi.org/10.1038/s41567-020-0932-7
[12] จองวาน ฮา, อารัม ฮาร์โรว์, เจิ้งเฟิงจี, เซียวตี้หวู่ และเหน่งคุนหยู การตรวจเอกซเรย์ตัวอย่างที่เหมาะสมที่สุดของรัฐควอนตัม IEEE Transactions on Information Theory, 63(9):5628–5641, 2017. doi:10.1109/TIT.2017.2719044.
https://doi.org/10.1109/TIT.2017.2719044
[13] ไรอัน โอดอนเนลล์ และจอห์น ไรท์ การตรวจเอกซเรย์ควอนตัมที่มีประสิทธิภาพ ในการประชุมวิชาการ ACM ประจำปีครั้งที่สี่สิบแปดเกี่ยวกับทฤษฎีคอมพิวเตอร์ หน้า 899–912, 2016 doi:10.1145/2897518.2897544
https://doi.org/10.1145/2897518.2897544
[14] สก็อตต์ แอรอนสัน. เอกซเรย์เงาของรัฐควอนตัม วารสารสยามคอมพิวเตอร์ 49(5):STOC18–368, 2019. doi:10.1137/18M120275X.
https://doi.org/10.1137/18M120275X
[15] มาร์ก อาร์. เจอร์รัม, เลสลี จี. วาเลียนต์ และวีเจย์ วี. วาซีรานี การสร้างโครงสร้าง Combinatorial แบบสุ่มจากการกระจายแบบสม่ำเสมอ วิทยาการคอมพิวเตอร์เชิงทฤษฎี 43:169–188, 1986. doi:10.1016/0304-3975(86)90174-X.
https://doi.org/10.1016/0304-3975(86)90174-X
[16] Huangjun Zhu, Richard Kueng, Markus Grassl และ David Gross กลุ่ม Clifford ล้มเหลวอย่างสง่างามที่จะเป็นแบบ 4 แบบรวมกัน พิมพ์ล่วงหน้า arXiv arXiv:1609.08172, 2016. doi:10.48550/arXiv.1609.08172
https://doi.org/10.48550/arXiv.1609.08172
arXiv: 1609.08172
[17] แซค เว็บบ์ กลุ่ม Clifford สร้างการออกแบบ 3 แบบรวมกัน ข้อมูลควอนตัมและการคำนวณ 16(15&16):1379–1400, 2016. doi:10.26421/QIC16.15-16-8.
https://doi.org/10.26421/QIC16.15-16-8
[18] Senrui Chen, Wenjun Yu, Pei Zeng และ Steven T. Flammia การประมาณเงาที่แข็งแกร่ง PRX Quantum, 2:030348, ก.ย. 2021. doi:10.1103/PRXQuantum.2.030348.
https://doi.org/10.1103/PRXQuantum.2.030348
[19] Steven T. Flammia และ Joel J. Wallman การประมาณที่มีประสิทธิภาพของช่อง Pauli ธุรกรรม ACM บน Quantum Computing, 1(1):1–32, 2020. doi:10.1145/3408039
https://doi.org/10.1145/3408039
[20] Senrui Chen, Sisi Zhou, Alireza Seif และ Liang Jiang ข้อได้เปรียบเชิงควอนตัมสำหรับการประมาณช่อง Pauli การตรวจร่างกาย A, 105(3):032435, 2022. doi:10.1103/PhysRevA.105.032435.
https://doi.org/10.1103/PhysRevA.105.032435
[21] Michael A. Nielsen และ Isaac L. Chuang การคำนวณควอนตัมและข้อมูลควอนตัม สำนักพิมพ์มหาวิทยาลัยเคมบริดจ์ ปี 2010 doi:10.1017/CBO9780511976667
https://doi.org/10.1017/CBO9780511976667
[22] ซเดเน็ค ฮราดิล. การประมาณสถานะควอนตัม การทบทวนทางกายภาพ A, 55(3):R1561, 1997. doi:10.1103/PhysRevA.55.R1561
https://doi.org/10.1103/PhysRevA.55.R1561
[23] มัตเตโอ ปารีส และ ยาโรสลาฟ เรฮาเซ็ค Quantum State Estimation เล่มที่ 649 Springer Science & Business Media, 2004. doi:10.1007/b98673
https://doi.org/10.1007/b98673
[24] โรบิน บลูม-โคฮูท การประมาณที่เหมาะสมและเชื่อถือได้ของสถานะควอนตัม New Journal of Physics, 12(4):043034, เมษายน 2010. doi:10.1088/1367-2630/12/4/043034.
https://doi.org/10.1088/1367-2630/12/4/043034
[25] K. Banaszek, M. Cramer และ D. Gross มุ่งเน้นไปที่การตรวจเอกซเรย์ควอนตัม New Journal of Physics, 15(12):125020, ธ.ค. 2013. doi:10.1088/1367-2630/15/12/125020.
https://doi.org/10.1088/1367-2630/15/12/125020
[26] David Gross, Yi-Kai Liu, Steven T. Flammia, Stephen Becker และ Jens Eisert การตรวจเอกซเรย์สถานะควอนตัมผ่านการตรวจจับด้วยการบีบอัด ฟิสิกส์ รายได้ Lett. 105:150401 ต.ค. 2010. doi:10.1103/PhysRevLett.105.150401.
https://doi.org/10.1103/PhysRevLett.105.150401
[27] Steven T. Flammia, David Gross, Yi-Kai Liu และ Jens Eisert การตรวจเอกซเรย์ควอนตัมผ่านการตรวจจับแบบบีบอัด: ขอบเขตข้อผิดพลาด ความซับซ้อนของตัวอย่าง และตัวประมาณค่าที่มีประสิทธิภาพ New Journal of Physics, 14(9):095022, กันยายน 2012. doi:10.1088/1367-2630/14/9/095022.
https://doi.org/10.1088/1367-2630/14/9/095022
[28] Takanori Sugiyama, Peter S. Turner และ Mio Murao การตรวจเอกซเรย์ควอนตัมที่รับประกันความแม่นยำ ฟิสิกส์ รายได้ Lett. 111:160406 ต.ค. 2013. doi:10.1103/PhysRevLett.111.160406.
https://doi.org/10.1103/PhysRevLett.111.160406
[29] Richard Kueng, Huangjun Zhu และ David Gross การกู้คืนเมทริกซ์อันดับต่ำจากวงโคจรของคลิฟฟอร์ด พิมพ์ล่วงหน้า arXiv arXiv:1610.08070, 2016. doi:10.48550/arXiv.1610.08070
https://doi.org/10.48550/arXiv.1610.08070
arXiv: 1610.08070
[30] Richard Kueng, Holger Rauhut และ Ulrich Terstiege การกู้คืนเมทริกซ์อันดับต่ำจากการวัดอันดับหนึ่ง การวิเคราะห์ฮาร์มอนิกประยุกต์และการคำนวณ, 42(1):88–116, 2017. doi:10.1016/j.acha.2015.07.007.
https://doi.org/10.1016/j.acha.2015.07.007
[31] M Guţă, J. Kahn, R. Kueng และ JA Tropp การตรวจเอกซเรย์สถานะอย่างรวดเร็วพร้อมขอบเขตข้อผิดพลาดที่เหมาะสม Journal of Physics A: Mathematical and Theoretical 53(20):204001 เมษายน 2020 doi:10.1088/1751-8121/ab8111
https://doi.org/10.1088/1751-8121/ab8111
[32] Marcus Cramer, Martin B. Plenio, Steven T. Flammia, Rolando Somma, David Gross, Stephen D. Bartlett, Olivier Landon-Cardinal, David Poulin และ Yi-Kai Liu การตรวจเอกซเรย์สถานะควอนตัมที่มีประสิทธิภาพ การสื่อสารธรรมชาติ 1(1):1–7, 2010. ดอย: 10.1038/ncomms1147.
https://doi.org/10.1038/ncomms1147
[33] BP Lanyon, C. Maier, Milan Holzäpfel, Tillmann Baumgratz, C Hempel, P Jurcevic, Ish Dhand, AS Buyskikh, AJ Daley, Marcus Cramer และคณะ การตรวจเอกซเรย์ที่มีประสิทธิภาพของระบบควอนตัมหลายร่างกาย ฟิสิกส์ธรรมชาติ, 13(12):1158–1162, 2017. doi:10.1038/nphys4244.
https://doi.org/10.1038/nphys4244
[34] Olivier Landon-Cardinal และ David Poulin วิธีการเรียนรู้เชิงปฏิบัติสำหรับสภาวะพัวพันหลายมิติ New Journal of Physics, 14(8):085004, ส.ค. 2012. doi:10.1088/1367-2630/14/8/085004
https://doi.org/10.1088/1367-2630/14/8/085004
[35] ฮวน การ์ราสกียา, จาโกโม ตอร์ไล, โรเจอร์ จี. เมลโก และเลอันโดร โอลิตา สร้างสถานะควอนตัมขึ้นใหม่ด้วยแบบจำลองการกำเนิด Nature Machine Intelligence, 1(3):155–161, 2019. doi:10.1038/s42256-019-0028-1.
https://doi.org/10.1038/s42256-019-0028-1
[36] Xun Gao และ Lu-Ming Duan การแสดงอย่างมีประสิทธิภาพของควอนตัมหลายสถานะด้วยโครงข่ายประสาทเทียมระดับลึก การสื่อสารธรรมชาติ 8(1):1–6, 2017. doi:10.1038/s41467-017-00705-2.
https://doi.org/10.1038/s41467-017-00705-2
[37] จอร์แดน คอตเลอร์ และแฟรงค์ วิลเซก การตรวจเอกซเรย์ควอนตัมที่ทับซ้อนกัน ฟิสิกส์ รายได้ Lett. 124:100401 มี.ค. 2020 ดอย:10.1103/PhysRevLett.124.100401
https://doi.org/10.1103/PhysRevLett.124.100401
[38] สก็อตต์ แอรอนสัน และกาย เอ็น. รอธบลัม การวัดอย่างอ่อนโยนของสถานะควอนตัมและความเป็นส่วนตัวที่แตกต่างกัน ในรายงานการประชุม ACM SIGACT Symposium on Theory of Computing ประจำปีครั้งที่ 51 หน้า 322–333 ปี 2019 doi:10.1145/3313276.3316378
https://doi.org/10.1145/3313276.3316378
[39] คอสติน บาเดสคู และ ไรอัน โอดอนเนลล์ ปรับปรุงการวิเคราะห์ข้อมูลควอนตัม ในรายงานการประชุม ACM SIGACT Symposium on Theory of Computing ประจำปีครั้งที่ 53 หน้า 1398–1411 ปี 2021 doi:10.1145/3406325.3451109
https://doi.org/10.1145/3406325.3451109
[40] Abhinav Kandala, Antonio Mezzacapo, Kristan Temme, Maika Takita, Markus Brink, Jerry M Chow และ Jay M. Gambetta ตัวแก้ไขควอนตัมไอเกนแบบแปรผันที่มีประสิทธิภาพสำหรับฮาร์ดแวร์สำหรับโมเลกุลขนาดเล็กและแม่เหล็กควอนตัม ธรรมชาติ, 549(7671):242–246, 2017. doi:10.1038/nature23879.
https://doi.org/10.1038/nature23879
[41] Vladyslav Verteletskyi, Tzu-Ching Yen และ Artur F. Izmaylov การเพิ่มประสิทธิภาพการวัดใน eigensolver ควอนตัมแบบแปรผันโดยใช้การครอบคลุมกลุ่มขั้นต่ำ วารสารฟิสิกส์เคมี 152(12):124114 2020 doi:10.1063/1.5141458
https://doi.org/10.1063/1.5141458
[42] Artur F. Izmaylov, Tzu-Ching Yen, Robert A. Lang และ Vladyslav Verteletskyi วิธีการแบ่งพาร์ติชันแบบรวมสำหรับปัญหาการวัดในวิธีควอนตัมไอเกนโซลเวอร์แบบแปรผัน วารสารทฤษฎีเคมีและการคำนวณ 16(1):190–195 2019 doi:10.1021/acs.jctc.9b00791
https://doi.org/10.1021/acs.jctc.9b00791
[43] Andrew Zhao, Andrew Tranter, William M. Kirby, Shu Fay Ung, Akimasa Miyake และ Peter J. Love การลดการวัดในอัลกอริธึมควอนตัมแปรผัน การตรวจร่างกาย A, 101(6):062322, 2020. doi:10.1103/PhysRevA.101.062322.
https://doi.org/10.1103/PhysRevA.101.062322
[44] Guoming Wang, Dax Enshan Koh, Peter D. Johnson และ Yudong Cao การลดรันไทม์การประมาณค่าบนคอมพิวเตอร์ควอนตัมที่มีเสียงดัง PRX Quantum, 2:010346, มี.ค. 2021. doi:10.1103/PRXQuantum.2.010346.
https://doi.org/10.1103/PRXQuantum.2.010346
[45] Dax Enshan Koh, Guoming Wang, Peter D. Johnson และ Yudong Cao รากฐานสำหรับการอนุมานแบบเบย์ด้วยฟังก์ชันความน่าจะเป็นทางวิศวกรรมสำหรับการประมาณค่าแอมพลิจูดที่มีประสิทธิภาพ วารสารคณิตศาสตร์ฟิสิกส์ 63:052202, 2022. ดอย:10.1063/5.0042433.
https://doi.org/10.1063/5.0042433
[46] Jérôme F. Gonthier, Maxwell D. Radin, Corneliu Buda, Eric J. Doskocil, Clena M. Abuan และ Jhonathan Romero การระบุความท้าทายต่อความได้เปรียบทางควอนตัมที่ใช้งานได้จริงผ่านการประมาณค่าทรัพยากร: สิ่งกีดขวางในการวัดใน eigensolver ควอนตัมแบบแปรผัน พิมพ์ล่วงหน้า arXiv arXiv:2012.04001, 2020. doi:10.48550/arXiv.2012.04001
https://doi.org/10.48550/arXiv.2012.04001
arXiv: 2012.04001
[47] Andrew Zhao, Nicholas C. Rubin และ Akimasa Miyake Fermionic Partial Tomography ผ่าน Classical Shadows ฟิสิกส์ รายได้ Lett. 127:110504 ก.ย. 2021 ดอย:10.1103/PhysRevLett.127.110504
https://doi.org/10.1103/PhysRevLett.127.110504
[48] Kianna Wan, William J. Huggins, Joonho Lee และ Ryan Babbush Matchgate Shadows สำหรับการจำลองควอนตัม Fermionic พิมพ์ล่วงหน้า arXiv arXiv:2207.13723, 2022. doi:10.48550/arXiv.2207.13723
https://doi.org/10.48550/arXiv.2207.13723
arXiv: 2207.13723
[49] ไบรอัน โอกอร์แมน. การตรวจเอกซเรย์ Fermionic และการเรียนรู้ พิมพ์ล่วงหน้า arXiv arXiv:2207.14787, 2022. doi:10.48550/arXiv.2207.14787
https://doi.org/10.48550/arXiv.2207.14787
arXiv: 2207.14787
[50] Charles Hadfield, Sergey Bravyi, Rudy Raymond และ Antonio Mezzacapo การวัดควอนตัมแฮมิลตันด้วยเงาแบบคลาสสิกที่มีอคติเฉพาะที่ การสื่อสารในฟิสิกส์คณิตศาสตร์ 391(3):951–967, 2022. doi:10.1007/s00220-022-04343-8.
https://doi.org/10.1007/s00220-022-04343-8
[51] Andreas Elben, Richard Kueng, Hsin-Yuan Robert Huang, Rick van Bijnen, Christian Kokail, Marcello Dalmonte, Pasquale Calabrese, Barbara Kraus, John Preskill, Peter Zoller และคณะ การพัวพันของรัฐผสมจากการวัดแบบสุ่มในท้องถิ่น จดหมายทบทวนทางกายภาพ, 125(20):200501, 2020. doi:10.1103/PhysRevLett.125.200501.
https://doi.org/10.1103/PhysRevLett.125.200501
[52] GI สตรูชาลิน, ยา. A. Zagorovskii, EV Kovlakov, SS Straupe และ SP Kulik การประมาณค่าเชิงทดลองของคุณสมบัติสถานะควอนตัมจากเงาคลาสสิก PRX Quantum, 2:010307, ม.ค. 2021. doi:10.1103/PRXQuantum.2.010307.
https://doi.org/10.1103/PRXQuantum.2.010307
[53] Dax Enshan Koh และ Sabee Grewal เงาคลาสสิกพร้อมสัญญาณรบกวน พิมพ์ล่วงหน้า arXiv arXiv:2011.11580v1, 2020
arXiv: 2011.11580v1
[54] โรบิน ฮาร์เปอร์, สตีเวน ที. แฟลมเมีย และโจเอล เจ. วอลล์แมน การเรียนรู้ที่มีประสิทธิภาพของเสียงควอนตัม ฟิสิกส์ธรรมชาติ 16(12):1184–1188, 2020. doi:10.1038/s41567-020-0992-8.
https://doi.org/10.1038/s41567-020-0992-8
[55] Guangxi Li, Zhixin Song และ Xin Wang VSQL: การเรียนรู้ควอนตัมเงาแปรผันสำหรับการจำแนกประเภท การดำเนินการของการประชุม AAAI เกี่ยวกับปัญญาประดิษฐ์ 35(9):8357–8365 พฤษภาคม 2021
[56] Joseph M. Lukens, Kody JH Law และ Ryan S. Bennink การวิเคราะห์แบบเบย์ของเงาคลาสสิก npj Quantum Inf. 7(113):1–10 ก.ค. 2021 doi:10.1038/s41534-021-00447-6
https://doi.org/10.1038/s41534-021-00447-6
[57] รอย เจ. การ์เซีย, ยู โจว และอาเธอร์ แจฟเฟ่ ควอนตัมตะเกียกตะกายด้วยเงาคลาสสิก ฟิสิกส์ รายได้การวิจัย 3:033155 ส.ค. 2021 doi:10.1103/PhysRevResearch.3.033155.
https://doi.org/10.1103/PhysRevResearch.3.033155
[58] Hong-Ye Hu และ Yi-Zhuang You เอกซเรย์เงาที่ขับเคลื่อนโดยแฮมิลตันของรัฐควอนตัม ฟิสิกส์ รายได้การวิจัย 4:013054 ม.ค. 2022 doi:10.1103/PhysRevResearch.4.013054.
https://doi.org/10.1103/PhysRevResearch.4.013054
[59] Antoine Neven, Jose Carrasco, Vittorio Vitale, Christian Kokail, Andreas Elben, Marcello Dalmonte, Pasquale Calabrese, Peter Zoller, Benoı̂t Vermersch, Richard Kueng และคณะ การตรวจจับสิ่งกีดขวางที่ได้รับการแก้ไขโดยสมมาตรโดยใช้โมเมนต์ทรานสโพสบางส่วน npj Quantum Inf. 7(152):1–12 ต.ค. 2021 doi:10.1038/s41534-021-00487-y
https://doi.org/10.1038/s41534-021-00487-y
[60] Hsin-Yuan Huang, Richard Kueng และ John Preskill การประมาณอย่างมีประสิทธิภาพของเพาลีที่สังเกตได้โดยการสุ่มตัวอย่าง ฟิสิกส์ รายได้ Lett. 127:030503 ก.ค. 2021 ดอย:10.1103/PhysRevLett.127.030503
https://doi.org/10.1103/PhysRevLett.127.030503
[61] อติธี อัจฉริยะ สิทธารถะ สหัส และ อนิรวัน เอ็ม เสงคุปต์ การตรวจเอกซเรย์เงาตามการวัดค่าบวกของผู้ปฏิบัติงานที่ให้ข้อมูลครบถ้วน ฟิสิกส์ รายได้ A 104:052418 พ.ย. 2021 ดอย:10.1103/PhysRevA.104.052418
https://doi.org/10.1103/PhysRevA.104.052418
[62] Stefan Hillmich, Charles Hadfield, Rudy Raymond, Antonio Mezzacapo และ Robert Wille แผนภาพการตัดสินใจสำหรับการวัดควอนตัมด้วยวงจรตื้น ในปี 2021 IEEE International Conference on Quantum Computing and Engineering (QCE), หน้า 24–34 IEEE ปี 2021 ดอย:10.1109/QCE52317.2021.00018
https://doi.org/10.1109/QCE52317.2021.00018
[63] ชาร์ลส์ แฮดฟิลด์. Adaptive Pauli Shadows สำหรับการประมาณค่าพลังงาน พิมพ์ล่วงหน้า arXiv arXiv:2105.12207, 2021. doi:10.48550/arXiv.2105.12207
https://doi.org/10.48550/arXiv.2105.12207
arXiv: 2105.12207
[64] Bujiao Wu, Jinzhao Sun, Qi Huang และ Xiao Yuan การวัดการจัดกลุ่มที่ทับซ้อนกัน: กรอบการทำงานแบบครบวงจรสำหรับการวัดสถานะควอนตัม พิมพ์ล่วงหน้า arXiv arXiv:2105.13091, 2021. doi:10.48550/arXiv.2105.13091
https://doi.org/10.48550/arXiv.2105.13091
arXiv: 2105.13091
[65] อนิเกต ราธ, ซีริล บรองเซียร์ด, แอนนา มิงกุซซี และเบโนอิต แวร์เมอร์สช์ ข้อมูลควอนตัมฟิชเชอร์จากการวัดแบบสุ่ม ฟิสิกส์ รายได้ Lett. 127:260501 ธ.ค. 2021 ดอย:10.1103/PhysRevLett.127.260501
https://doi.org/10.1103/PhysRevLett.127.260501
[66] Ting Zhang, Jinzhao Sun, Xiao-Xu Fang, Xiao-Ming Zhang, Xiao Yuan และ He Lu การวัดสถานะควอนตัมเชิงทดลองด้วยเงาแบบคลาสสิก ฟิสิกส์ รายได้ Lett. 127:200501 พ.ย. 2021 ดอย:10.1103/PhysRevLett.127.200501
https://doi.org/10.1103/PhysRevLett.127.200501
[67] Hsin-Yuan Huang, Richard Kueng, Giacomo Torlai, Victor V. Albert และ John Preskill แมชชีนเลิร์นนิงที่มีประสิทธิภาพพิสูจน์ได้สำหรับปัญหาควอนตัมหลายตัว พิมพ์ล่วงหน้า arXiv arXiv:2106.12627, 2021. doi:10.48550/arXiv.2106.12627
https://doi.org/10.48550/arXiv.2106.12627
arXiv: 2106.12627
[68] William J. Huggins, Bryan A. O'Gorman, Nicholas C. Rubin, David R. Reichman, Ryan Babbush และ Joonho Lee มอนติคาร์โลควอนตัมเฟอร์มิโอนิกที่เป็นกลางด้วยคอมพิวเตอร์ควอนตัม ธรรมชาติ, 603(7901):416–420, มี.ค. 2022. doi:10.1038/s41586-021-04351-z.
https://doi.org/10.1038/s41586-021-04351-z
[69] Hong-Ye Hu, Soonwon Choi และ Yi-Zhuang You การตรวจเอกซเรย์เงาแบบคลาสสิกพร้อมควอนตัมไดนามิกส์ที่มีสัญญาณรบกวนในพื้นที่ พิมพ์ล่วงหน้า arXiv arXiv:2107.04817, 2021. doi:10.48550/arXiv.2107.04817
https://doi.org/10.48550/arXiv.2107.04817
arXiv: 2107.04817
[70] สตีเว่น ที. แฟลมเมีย. การสุ่มตัวอย่างค่าลักษณะเฉพาะของวงจรเฉลี่ย พิมพ์ล่วงหน้า arXiv arXiv:2108.05803, 2021. doi:10.48550/arXiv.2108.05803
https://doi.org/10.48550/arXiv.2108.05803
arXiv: 2108.05803
[71] Ryan Levy, Di Luo และ Bryan K. Clark เงาแบบคลาสสิกสำหรับการตรวจเอกซเรย์กระบวนการควอนตัมบนคอมพิวเตอร์ควอนตัมระยะใกล้ พิมพ์ล่วงหน้า arXiv arXiv:2110.02965, 2021. doi:10.48550/arXiv.2110.02965
https://doi.org/10.48550/arXiv.2110.02965
arXiv: 2110.02965
[72] Jonathan Kunjummen, Minh C. Tran, Daniel Carney และ Jacob M. Taylor เอกซเรย์กระบวนการเงาของช่องควอนตัม พิมพ์ล่วงหน้า arXiv arXiv:2110.03629, 2021. doi:10.48550/arXiv.2110.03629
https://doi.org/10.48550/arXiv.2110.03629
arXiv: 2110.03629
[73] Jonas Helsen, Marios Ioannou, Ingo Roth, Jonas Kitzinger, Emilio Onorati, Albert H. Werner และ Jens Eisert การประมาณคุณสมบัติชุดเกตจากลำดับสุ่ม พิมพ์ล่วงหน้า arXiv arXiv:2110.13178, 2021. doi:10.48550/arXiv.2110.13178
https://doi.org/10.48550/arXiv.2110.13178
arXiv: 2110.13178
[74] Sitan Chen, Jordan Cotler, Hsin-Yuan Huang และ Jerry Li การแยกแบบเอกซ์โพเนนเชียลระหว่างการเรียนรู้แบบมีและไม่มีหน่วยความจำควอนตัม ในปี 2021 IEEE 62nd Annual Symposium on Foundations of Computer Science (FOCS), หน้า 574–585, 2022. doi:10.1109/FOCS52979.2021.00063.
https://doi.org/10.1109/FOCS52979.2021.00063
[75] ซิโมน โนตาร์นิโกลา, อันเดรียส เอลเบน, เธียร์รี ลาเฮย์, อ็องตวน โบรแวย์ส, ซิโมน มอนแทนเจโร และเบอนัวต์ เวอร์แมร์ช กล่องเครื่องมือการวัดแบบสุ่มสำหรับเทคโนโลยีควอนตัมของ Rydberg พิมพ์ล่วงหน้า arXiv arXiv:2112.11046, 2021. doi:10.48550/arXiv.2112.11046
https://doi.org/10.48550/arXiv.2112.11046
arXiv: 2112.11046
[76] Stefan H. Sack, Raimel A. Medina, Alexios A. Michailidis, Richard Kueng และ Maksym Serbyn หลีกเลี่ยงที่ราบสูงแห้งแล้งโดยใช้เงาแบบคลาสสิก PRX Quantum, 3:020365, มิ.ย. 2022. doi:10.1103/PRXQuantum.3.020365.
https://doi.org/10.1103/PRXQuantum.3.020365
[77] Kaifeng Bu, Dax Enshan Koh, Roy J. Garcia และ Arthur Jaffe เงาแบบคลาสสิกพร้อมชุดรวมของ Pauli-invariant พิมพ์ล่วงหน้า arXiv arXiv:2202.03272, 2022. doi:10.48550/arXiv.2202.03272
https://doi.org/10.48550/arXiv.2202.03272
arXiv: 2202.03272
[78] Max McGinley, Sebastian Leontica, Samuel J. Garratt, Jovan Jovanovic และ Steven H. Simon การหาปริมาณข้อมูลเชิงปริมาณผ่านการตรวจเอกซเรย์เงาแบบคลาสสิกบนเครื่องจำลองควอนตัมที่ตั้งโปรแกรมได้ พิมพ์ล่วงหน้า arXiv arXiv:2202.05132, 2022. doi:10.48550/arXiv.2202.05132
https://doi.org/10.48550/arXiv.2202.05132
arXiv: 2202.05132
[79] Lu Liu, Ting Zhang, Xiao Yuan และ He Lu การสืบสวนเชิงทดลองเกี่ยวกับความสัมพันธ์ที่ไม่แน่นอนของควอนตัมกับเงาแบบคลาสสิก พรมแดนฟิสิกส์ 10 กันยายน 2022 ดอย:10.3389/fphy.2022.873810
https://doi.org/10.3389/fphy.2022.873810
[80] Joseph M. Lukens, Kody JH Law และ Ryan S. Bennink เงาแบบคลาสสิกและการประมาณค่าเฉลี่ยแบบเบส์: การเปรียบเทียบ ใน Conference on Lasers and Electro-Optics, หน้า FW3N.3 สมาคมแว่นตาแห่งอเมริกา พ.ศ. 2021 ดอย:10.1364/CLEO_QELS.2021.FW3N.3.
https://doi.org/10.1364/CLEO_QELS.2021.FW3N.3
[81] แองกัส โลว์. การเรียนรู้สถานะควอนตัมโดยไม่ต้องใช้การวัดที่ยุ่งเหยิง วิทยานิพนธ์ปริญญาโท มหาวิทยาลัยวอเตอร์ลู พ.ศ. 2021
[82] ซิน-หยวน หวง. การเรียนรู้สถานะควอนตัมจากเงาคลาสสิก ณัฐ. Rev. Phys., 4(2):81, ก.พ. 2022. doi:10.1038/s42254-021-00411-5.
https://doi.org/10.1038/s42254-021-00411-5
[83] Hong-Ye Hu, Ryan LaRose, Yi-Zhuang You, Eleanor Rieffel และ Zhihui Wang การตรวจเอกซเรย์เงาเชิงตรรกะ: การประมาณอย่างมีประสิทธิภาพของสิ่งที่สังเกตได้ซึ่งลดข้อผิดพลาด พิมพ์ล่วงหน้า arXiv arXiv:2203.07263, 2022. doi:10.48550/arXiv.2203.07263
https://doi.org/10.48550/arXiv.2203.07263
arXiv: 2203.07263
[84] Alireza Seif, Ze-Pei Cian, Sisi Zhou, Senrui Chen และ Liang Jiang การกลั่นเงา: การลดข้อผิดพลาดควอนตัมด้วยเงาแบบคลาสสิกสำหรับโปรเซสเซอร์ควอนตัมระยะใกล้ พิมพ์ล่วงหน้า arXiv arXiv:2203.07309, 2022. doi:10.48550/arXiv.2203.07309
https://doi.org/10.48550/arXiv.2203.07309
arXiv: 2203.07309
[85] Andreas Elben, Steven T. Flammia, Hsin-Yuan Huang, Richard Kueng, John Preskill, Benoı̂t Vermersch และ Peter Zoller กล่องเครื่องมือการวัดแบบสุ่ม พิมพ์ล่วงหน้า arXiv arXiv:2203.11374, 2022. doi:10.48550/arXiv.2203.11374
https://doi.org/10.48550/arXiv.2203.11374
arXiv: 2203.11374
[86] Gregory Boyd และ Bálint Koczor ฝึกวงจรควอนตัมแปรผันด้วย CoVaR: การค้นหารากของความแปรปรวนร่วมด้วยเงาแบบคลาสสิก พิมพ์ล่วงหน้า arXiv arXiv:2204.08494, 2022. doi:10.48550/arXiv.2204.08494
https://doi.org/10.48550/arXiv.2204.08494
arXiv: 2204.08494
[87] H. Chau Nguyen, Jan Lennart Bönsel, Jonathan Steinberg และ Otfried Gühne ปรับเอกซเรย์เงาให้เหมาะสมด้วยการวัดทั่วไป พิมพ์ล่วงหน้า arXiv arXiv:2205.08990, 2022. doi:10.48550/arXiv.2205.08990
https://doi.org/10.48550/arXiv.2205.08990
arXiv: 2205.08990
[88] ลุค คูปแมนส์, ยูตะ คิคูจิ และมาร์เชลโล เบเนเด็ตติ ทำนายค่าความคาดหวังของ Gibbs State ด้วย Pure Thermal Shadows พิมพ์ล่วงหน้า arXiv arXiv:2206.05302, 2022. doi:10.48550/arXiv.2206.05302
https://doi.org/10.48550/arXiv.2206.05302
arXiv: 2206.05302
[89] Saumya Shivam, CW ของ Keyserlingk และ SL Sondhi เกี่ยวกับเงาแบบคลาสสิกและแบบผสมของ Quantum States พิมพ์ล่วงหน้า arXiv arXiv:2206.06616, 2022. doi:10.48550/arXiv.2206.06616
https://doi.org/10.48550/arXiv.2206.06616
arXiv: 2206.06616
[90] ดาเนียล แมคนัลตี, ฟิลิป บี. มาซียิวสกี้ และมิคาล ออสมาเนียซ การประมาณค่าควอนตัมแฮมิลตันผ่านการวัดร่วมของสิ่งที่สังเกตได้ที่ไม่เคลื่อนที่ซึ่งมีเสียงดัง พิมพ์ล่วงหน้า arXiv arXiv:2206.08912, 2022. doi:10.48550/arXiv.2206.08912
https://doi.org/10.48550/arXiv.2206.08912
arXiv: 2206.08912
[91] Suguru Endo, Zhenyu Cai, Simon C. Benjamin และ Xiao Yuan อัลกอริทึมควอนตัมคลาสสิกแบบไฮบริดและการลดข้อผิดพลาดควอนตัม วารสารสมาคมกายภาพแห่งญี่ปุ่น 90(3):032001 2021 doi:10.7566/JPSJ.90.032001
https://doi.org/10.7566/JPSJ.90.032001
[92] ออสติน จี. ฟาวเลอร์, มัตเตโอ มาเรียนโทนี, จอห์น เอ็ม. มาร์ตินีส และแอนดรูว์ เอ็น. คลีแลนด์ รหัสพื้นผิว: สู่การคำนวณควอนตัมขนาดใหญ่ที่ใช้งานได้จริง การทบทวนทางกายภาพ A, 86(3):032324, 2012. doi:10.1103/PhysRevA.86.032324.
https://doi.org/10.1103/PhysRevA.86.032324
[93] Earl T. Campbell, Barbara M. Terhal และ Christophe Vuillot ถนนสู่การคำนวณควอนตัมสากลที่ทนต่อความผิดพลาด ธรรมชาติ, 549(7671):172–179, 2017. doi:10.1038/nature23460.
https://doi.org/10.1038/nature23460
[94] หยิงลี่ และไซมอน ซี. เบนจามิน. เครื่องจำลองควอนตัมตัวแปรที่มีประสิทธิภาพผสมผสานการลดข้อผิดพลาดที่ใช้งานอยู่ ฟิสิกส์ รายได้ X, 7:021050, มิ.ย. 2017. doi:10.1103/PhysRevX.7.021050.
https://doi.org/10.1103/PhysRevX.7.021050
[95] Kristan Temme, Sergey Bravyi และ Jay M. Gambetta การลดข้อผิดพลาดสำหรับวงจรควอนตัมความลึกสั้น ฟิสิกส์ รายได้ Lett., 119:180509, พ.ย. 2017. doi:10.1103/PhysRevLett.119.180509.
https://doi.org/10.1103/PhysRevLett.119.180509
[96] Tudor Giurgica-Tiron, Yousef Hindy, Ryan LaRose, Andrea Mari และ William J. Zeng การอนุมานสัญญาณรบกวนเป็นศูนย์แบบดิจิตอลเพื่อลดข้อผิดพลาดควอนตัม ในปี 2020 IEEE International Conference on Quantum Computing and Engineering (QCE), หน้า 306–316, 2020. doi:10.1109/QCE49297.2020.00045.
https://doi.org/10.1109/QCE49297.2020.00045
[97] Piotr Czarnik, Andrew Arrasmith, Patrick J. Coles และ Lukasz Cincio การลดข้อผิดพลาดด้วยข้อมูลวงจรควอนตัมของคลิฟฟอร์ด Quantum 5:592 พฤศจิกายน 2021 ดอย:10.22331/q-2021-11-26-592
https://doi.org/10.22331/q-2021-11-26-592
[98] Jarrod R. McClean, Mollie E. Kimchi-Schwartz, Jonathan Carter และ Wibe A. de Jong ลำดับชั้นแบบควอนตัมคลาสสิกแบบไฮบริดเพื่อลดความไม่สอดคล้องกันและการกำหนดสถานะที่ตื่นเต้น ฟิสิกส์ รายได้ A, 95:042308, เม.ย. 2017. doi:10.1103/PhysRevA.95.042308.
https://doi.org/10.1103/PhysRevA.95.042308
[99] ซูกูรู เอนโด, ไซมอน ซี. เบนจามิน และหยิงลี่ การลดข้อผิดพลาดเชิงควอนตัมในทางปฏิบัติสำหรับแอปพลิเคชันในอนาคตอันใกล้ ฟิสิกส์ รายได้ X 8:031027 กรกฎาคม 2018. doi:10.1103/PhysRevX.8.031027.
https://doi.org/10.1103/PhysRevX.8.031027
[100] จอห์น วอทรัส. ทฤษฎีข้อมูลควอนตัม สำนักพิมพ์มหาวิทยาลัยเคมบริดจ์ ปี 2018 ดอย:10.1017/9781316848142
https://doi.org/10.1017/9781316848142
[101] Sepehr Nezami และ Michael Walter การพัวพันหลายฝ่ายในเครือข่ายเทนเซอร์โคลง ฟิสิกส์ รายได้ Lett. 125:241602 ธ.ค. 2020 ดอย:10.1103/PhysRevLett.125.241602
https://doi.org/10.1103/PhysRevLett.125.241602
[102] เฟร์นานโด จีเอสแอล บรันเดา และ มิคาล โฮโรเด็คกี้ การเร่งความเร็วควอนตัมแบบเอ็กซ์โปเนนเชียลนั้นเป็นแบบทั่วไป ข้อมูลควอนตัม คอมพิวเตอร์, 13(11&12):901–924, 2013. doi:10.26421/QIC13.11-12-1.
https://doi.org/10.26421/QIC13.11-12-1
[103] Adam Bouland, Joseph F. Fitzsimons และ Dax Enshan Koh การจำแนกความซับซ้อนของวงจร Conjugated Clifford ใน Rocco A. Servedio, บรรณาธิการ, 33rd Computational Complexity Conference (CCC 2018), Volume 102 of Leibniz International Proceedings in Informatics (LIPIcs), หน้า 21:1–21:25, Dagstuhl, Germany, 2018 Schloss Dagstuhl–Leibniz-Zentrum für Informatik. ดอย:10.4230/LIPIcs.CCC.2018.21.
https://doi.org/10.4230/LIPIcs.CCC.2018.21
[104] Rawad Mezher, Joe Ghalbouni, Joseph Dgheim และ Damian Markham การออกแบบ t-unitary โดยประมาณที่มีประสิทธิภาพจากชุดยูนิเวอร์แซลที่เปลี่ยนกลับได้บางส่วนและการประยุกต์ใช้กับการเพิ่มความเร็วควอนตัม พิมพ์ล่วงหน้า arXiv arXiv:1905.01504, 2019. doi:10.48550/arXiv.1905.01504
https://doi.org/10.48550/arXiv.1905.01504
arXiv: 1905.01504
[105] Oleg Szehr, Frédéric Dupuis, Marco Tomamichel และ Renato Renner การแยกส่วนด้วยการออกแบบสองแบบโดยประมาณรวมกัน New Journal of Physics, 15(5):053022, 2013. doi:10.1088/1367-2630/15/5/053022.
https://doi.org/10.1088/1367-2630/15/5/053022
[106] Andris Ambainis, Jan Bouda และ Andreas Winter การเข้ารหัสแบบไม่เปลี่ยนแปลงของข้อมูลควอนตัม วารสารคณิตศาสตร์ฟิสิกส์ 50(4):042106, 2009. doi:10.1063/1.3094756.
https://doi.org/10.1063/1.3094756
[107] หวางจุนจู. กลุ่ม Multiqubit Clifford เป็นแบบ 3 แบบรวมกัน การทบทวนทางกายภาพ A, 96(6):062336, 2017. doi:10.1103/PhysRevA.96.062336.
https://doi.org/10.1103/PhysRevA.96.062336
[108] โจเอล เจ. วอลล์แมน การเปรียบเทียบแบบสุ่มด้วยเสียงที่ขึ้นกับเกท Quantum 2:47 มกราคม 2018 doi:10.22331/q-2018-01-29-47
https://doi.org/10.22331/q-2018-01-29-47
[109] Kevin Young, Stephen Bartlett, Robin J. Blume-Khout, John King Gamble, Daniel Lobser, Peter Maunz, Erik Nielsen, Timothy James Proctor, Melissa Revelle และ Kenneth Michael Rudinger การวินิจฉัยและการทำลายสัญญาณรบกวนที่ไม่ใช่ของมาร์โกเวียน รายงานทางเทคนิค Sandia National Lab (SNL-CA), ลิเวอร์มอร์, แคลิฟอร์เนีย (สหรัฐอเมริกา), 2020. doi:10.2172/1671379.
https://doi.org/10.2172/1671379
[110] Tilo Eggeling และ Reinhard F. Werner คุณสมบัติการแบ่งแยกของรัฐไตรภาคีที่มีสมมาตร $Uotimes Uotimes U$ การทบทวนทางกายภาพ A, 63(4):042111, 2001. doi:10.1103/PhysRevA.63.042111.
https://doi.org/10.1103/PhysRevA.63.042111
[111] ปีเตอร์ ดี. จอห์นสัน และลอเรนซา วิโอลา ความสัมพันธ์ควอนตัมที่เข้ากันได้: ปัญหาการขยายสำหรับสถานะ Werner และ isotropic การทบทวนทางกายภาพ A, 88(3):032323, 2013. doi:10.1103/PhysRevA.88.032323.
https://doi.org/10.1103/PhysRevA.88.032323
อ้างโดย
[1] Jules Tilly, Hongxiang Chen, Shuxiang Cao, Dario Picozzi, Kanav Setia, Ying Li, Edward Grant, Leonard Wossnig, Ivan Rungger, George H. Booth และ Jonathan Tennyson, “The Variational Quantum Eigensolver: การทบทวนวิธีการและ ปฏิบัติที่ดีที่สุด", arXiv: 2111.05176.
[2] Kishor Bharti, Alba Cervera-Lierta, Thi Ha Kyaw, Tobias Haug, Sumner Alperin-Lea, Abhinav Anand, Matthias Degroote, Hermanni Heimonen, Jakob S. Kottmann, Tim Menke, Wai-Keong Mok, Sukin Sim, Leong- Chuan Kwek และAlán Aspuru-Guzik "อัลกอริธึมควอนตัมระดับกลางที่มีเสียงดัง" รีวิวฟิสิกส์สมัยใหม่ 94 1, 015004 (2022).
[3] Hsin-Yuan Huang, Richard Kueng, Giacomo Torlai, Victor V. Albert และ John Preskill, “การเรียนรู้ของเครื่องที่มีประสิทธิภาพพิสูจน์ได้สำหรับปัญหาควอนตัมที่มีร่างกายจำนวนมาก”, arXiv: 2106.12627.
[4] Antoine Neven, Jose Carrasco, Vittorio Vitale, Christian Kokail, Andreas Elben, Marcello Dalmonte, Pasquale Calabrese, Peter Zoller, Benoît Vermersch, Richard Kueng และ Barbara Kraus, “การตรวจจับสิ่งพัวพันที่ได้รับการแก้ไขด้วยสมมาตรโดยใช้โมเมนต์ทรานสโพสบางส่วน”, npj ข้อมูลควอนตัม 7, 152 (2021).
[5] Stefan H. Sack, Raimel A. Medina, Alexios A. Michailidis, Richard Kueng และ Maksym Serbyn, “การหลีกเลี่ยงที่ราบสูงแห้งแล้งโดยใช้เงาคลาสสิก”, PRX ควอนตัม 3 2, 020365 (2022).
[6] Andreas Elben, Steven T. Flammia, Hsin-Yuan Huang, Richard Kueng, John Preskill, Benoît Vermersch และ Peter Zoller, “กล่องเครื่องมือการวัดแบบสุ่ม”, arXiv: 2203.11374.
[7] Hsin-Yuan Huang, Richard Kueng และ John Preskill, “Efficient Estimation of Pauli Observables by Derandomization”, จดหมายทบทวนทางกายภาพ 127 3, 030503 (2021).
[8] Daniel McNulty, Filip B. Maciejewski และ Michał Oszmaniec, “การประมาณควอนตัมแฮมิลตันผ่านการวัดร่วมของสิ่งสังเกตที่ไม่เคลื่อนที่ที่มีเสียงดัง”, arXiv: 2206.08912.
[9] Senrui Chen, Wenjun Yu, Pei Zeng และ Steven T. Flammia, “การประมาณเงาที่แข็งแกร่ง”, PRX ควอนตัม 2 3, 030348 (2021).
[10] Hong-Ye Hu และ Yi-Zhuang You, “การตรวจเอกซเรย์เงาของรัฐควอนตัมที่ขับเคลื่อนโดยแฮมิลตัน”, การวิจัยทบทวนทางกายภาพ 4 1, 013054 (2022).
[11] Hong-Ye Hu, Soonwon Choi และ Yi-Zhuang You, “เอกซเรย์เงาแบบคลาสสิกพร้อมควอนตัมไดนามิกส์ที่มีสัญญาณรบกวนในพื้นที่”, arXiv: 2107.04817.
[12] Roy J. Garcia, You Zhou และ Arthur Jaffe, “ควอนตัมตะเกียกตะกายด้วยเงาคลาสสิก”, การวิจัยทบทวนทางกายภาพ 3 3, 033155 (2021).
[13] Ryan Levy, Di Luo และ Bryan K. Clark, “Classical Shadows for Quantum Process Tomography on Near-term Quantum Computers”, arXiv: 2110.02965.
[14] Aniket Rath, Cyril Branciard, Anna Minguzzi และ Benoît Vermersch, “ข้อมูลควอนตัมฟิชเชอร์จากการวัดแบบสุ่ม”, จดหมายทบทวนทางกายภาพ 127 26, 260501 (2021).
(15) Charles Hadfield, “เงาของ Pauli ที่ปรับเปลี่ยนได้เพื่อการประมาณค่าพลังงาน”, arXiv: 2105.12207.
[16] Jose Carrasco, Andreas Elben, Christian Kokail, Barbara Kraus และ Peter Zoller, “มุมมองทางทฤษฎีและการทดลองของการตรวจสอบควอนตัม”, arXiv: 2102.05927.
[17] Lorenzo Leone, Salvatore FE Oliviero และ Alioscia Hamma “เวทมนตร์ขัดขวางการรับรองควอนตัม”, arXiv: 2204.02995.
[18] Atithi Acharya, Siddhartha Saha และ Anirvan M. Sengupta, “เอกซ์เรย์เงาตาม POVM ที่สมบูรณ์โดยให้ข้อมูล”, arXiv: 2105.05992.
[19] Simone Notarnicola, Andreas Elben, Thierry Lahaye, Antoine Browaeys, Simone Montangero และ Benoit Vermersch, “กล่องเครื่องมือการวัดแบบสุ่มสำหรับเทคโนโลยีควอนตัม Rydberg”, arXiv: 2112.11046.
[20] Atithi Acharya, Siddhartha Saha, และ Anirvan M. Sengupta, “การตรวจเอกซเรย์เงาตามการวัดมูลค่าตัวดำเนินการเชิงบวกที่สมบูรณ์ด้วยข้อมูล”, การตรวจร่างกาย A 104 5, 052418 (2021).
[21] Kaifeng Bu, Dax Enshan Koh, Roy J. Garcia และ Arthur Jaffe, “เงาแบบคลาสสิกกับวง Pauli-invariant unitary ensemble”, arXiv: 2202.03272.
การอ้างอิงข้างต้นมาจาก are อบต./นาซ่าโฆษณา (ปรับปรุงล่าสุดสำเร็จ 2022-08-16 14:04:23 น.) รายการอาจไม่สมบูรณ์เนื่องจากผู้จัดพิมพ์บางรายไม่ได้ให้ข้อมูลอ้างอิงที่เหมาะสมและครบถ้วน
ไม่สามารถดึงข้อมูล Crossref อ้างโดย data ระหว่างความพยายามครั้งล่าสุด 2022-08-16 14:04:21 น.: ไม่สามารถดึงข้อมูลที่อ้างถึงสำหรับ 10.22331/q-2022-08-16-776 จาก Crossref นี่เป็นเรื่องปกติหาก DOI ได้รับการจดทะเบียนเมื่อเร็วๆ นี้
บทความนี้เผยแพร่ใน Quantum ภายใต้ the ครีเอทีฟคอมมอนส์แบบแสดงที่มา 4.0 สากล (CC BY 4.0) ใบอนุญาต ลิขสิทธิ์ยังคงอยู่กับผู้ถือลิขสิทธิ์ดั้งเดิม เช่น ผู้เขียนหรือสถาบันของพวกเขา
