振幅比和神经网络量子态

[1] Scott Aaronson 和 Alex Arkhipov “线性光学的计算复杂性”（2011 年）。
https：/ / doi.org/10.1145/ 1993636.1993682

[2] 克莱门特坎农个人通讯 (2021)。

[3] Clément L. Canonne、Dana Ron 和 Rocco A. Servedio，“使用条件样本测试概率分布”SIAM Journal on Computing 44, 540–616 (2015)。
https：/ / doi.org/10.1137/ 130945508

[4] Clement L. Canonne、Xi Chen、Gautam Kamath、Amit Levi 和 Erik Waingarten，“高维分布的随机限制和子立方体条件下的均匀性测试”第 321 届 ACM-SIAM 离散算法年度研讨会论文集 336–2021（ XNUMX 年）。

[5] Giuseppe Carleo、Yusuke Nomura 和 Masatoshi Imada，“使用深度神经网络构建量子多体系统的精确表示”，Nature Communications 9, 5322 (2018)。
https:/​/​doi.org/​10.1038/​s41467-018-07520-3

[6] Giuseppe Carleo 和 Matthias Troyer “用人工神经网络解决量子多体问题” Science 355, 602–606 (2017)。
https：/ / doi.org/ 10.1126 / science.aag2302

[7] Sourav Chakraborty、Eldar Fischer、Yonatan Goldhirsh 和 Arie Matsliah，“关于条件样本在分布测试中的力量”第四届理论计算机科学创新会议论文集 4–561 (580)。
https：/ / doi.org/10.1145/ 2422436.2422497

[8] Martin Dyer、Alan Frieze 和 Ravi Kannan，“用于近似凸体体积的随机多项式时间算法”J. ACM 38, 1–17 (1991)。
https：/ / doi.org/10.1145/ 102782.102783

[9] Alan Frieze、Ravi Kannan 和 Santosh Vempala，“用于寻找低秩近似值的快速蒙特卡洛算法”J. ACM 51, 1025–1041 (2004)。
https：/ / doi.org/10.1145/ 1039488.1039494

[10] Xun Gao 和 Lu-Ming Duan “使用深度神经网络有效表示量子多体态”，Nature Communications 8, 662 (2017)。
https:/​/​doi.org/​10.1038/​s41467-017-00705-2

[11] Vojtech Havlicekand Sergii Strelchuk “Quantum Schur 采样电路可以被强烈模拟”物理。 牧师莱特。 121, 060505 (2018)。
https：/ / doi.org/ 10.1103 / PhysRevLett.121.060505

[12] Geoffrey E. Hinton “通过最小化对比分歧来训练专家的产品”神经计算 14, 1771–1800 (2002)。
https：/ / doi.org/10.1162/ 089976602760128018

[13] Mark Huber“吉布斯分布归一化常数的近似算法”应用概率年鉴 25 (2015)。
https://doi.org/10.1214/14-aap1015

[14] Mark Jerrum “从均匀分布随机生成组合结构（扩展摘要）”第 12 届自动机、语言和编程讨论会论文集 290–299 (1985)。

[15] Mark R. Jerrum、Leslie G. Valiant 和 Vijay V. Vazirani，“从均匀分布中随机生成组合结构”Theoretical Computer Science 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 和 Giuseppe Carleo，“用于经典量子计算模拟的神经网络状态”arXiv 电子版 arXiv:1808.05232 (2018)。
https:///doi.org/10.48550/ARXIV.1808.05232
的arXiv：1808.05232

[17] Richard M Karp、Michael Luby 和 Neal Madras，“用于枚举问题的蒙特卡洛近似算法”，算法杂志 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“讲义：稳健统计学习理论选题”arXiv 电子版 arXiv:1908.10761 (2019)。
https:///doi.org/10.48550/ARXIV.1908.10761
的arXiv：1908.10761

[19] Philip M. Longand Rocco A. Servedio“受限玻尔兹曼机很难近似评估或模拟”第 27 届国际机器学习国际会议论文集 703–710 (2010)。

[20] James Martens、Arkadev Chattopadhya、Toni Pitassi 和 Richard Zemel，“关于受限玻尔兹曼机的代表性效率”，Curran Associates, Inc. (2013)。
http://papers.nips.cc/paper/5020-on-the-representational-efficiency-of-restricted-boltzmann-machines.pdf

[21] Matija Medvidović 和 Giuseppe Carleo “量子近似优化算法的经典变分模拟” npj Quantum Information 7, 101 (2021)。
https：/ / doi.org/ 10.1038 / s41534-021-00440-z
的arXiv：2009.01760

[22] Imdad SB Sardharwalla、Sergii Strelchuk 和 Richard Jozsa，“量子条件查询复杂性”量子信息。 电脑。 17, 541–567 (2017)。

[23] P. Smolensky“动力系统中的信息处理：和谐理论的基础”麻省理工学院出版社（1986 年）。

[24] Daniel Štefankovič、Santosh Vempala 和 Eric Vigoda，“自适应模拟退火：采样和计数之间近乎最优的连接”J. ACM 56 (2009)。
https：/ / doi.org/10.1145/ 1516512.1516520

[25] Ewin Tang “A Quantum-Inspired Classical Algorithm for Recommendation Systems” 第 51 届年度 ACM SIGACT 计算理论研讨会论文集 217-228 (2019)。
https：/ / doi.org/10.1145/ 3313276.3316310

[26] LG Valiant “The complexity of computing the permanent” Theoretical Computer Science 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 “用概率方法模拟量子计算机”量子信息。 电脑。 11, 784–812 (2011)。