用量子计算机对凸多面体进行近似采样
量子计算机非常适合采样分布，而我们不知道如何使用经典计算机进行采样。例如，如果f是一个布尔函数（从至- 1 ，1），其能够在多项式时间来计算，然后用我们可以有效样品根据分布通过傅立叶展开描述量子计算机的 （我们不知道如何使用经典计算机来完成。）{ - 1 ，1 }ñ{-1个，1个}ñ\{-1,1\}^n- 1 ，1-1个，1个{-1,1} 我们是否可以使用量子计算机对d变量中n个不等式所描述的多面体中的随机点进行采样或近似采样？ 从不平等转移到要点，在我看来有点类似于“转变”。而且，即使您修改了分布，例如，考虑由多面体的超平面或其他某些事物描述的高斯分布的乘积，我也会很高兴看到一种量子算法。 几点评论：Dyer，Frieze和Kannan发现了著名的古典多项式时间算法，可以近似采样和近似计算多面体的体积。该算法基于随机游动和快速混合。因此，我们想为同一目的找到一种不同的量子算法。（好的，我们可以希望量子算法也可以在这种情况下导致我们不知道经典地做事。但是首先，我们想要的只是一个不同的算法，这必须是可能的。） 第二，我们甚至不坚持对均匀分布进行近似采样。我们很乐意对其他一些很好的分布进行采样，而这些分布在我们的多面体中得到了大致支持。Santosh Vampala（还有我在另一种情况下）有一个论点从采样到优化：如果要优化f（x）样本以找到典型的f（x）的点y。添加约束{f（x）> = f（y）}并重复。