Questions tagged «quantum-computing»

量子计算和与量子力学有关的计算问题


4
如果P = BQP,这是否意味着PSPACE(= IP)= AM?
最近,Watrous等人证明QIP(3)= PSPACE是一个了不起的结果。至少可以说对我自己来说是一个令人惊讶的结果,这让我开始思考... 我想知道经典计算机能否有效地模拟量子计算机。这可能与IP和AM的划分简单相关吗?我的意思是IP的特征在于经典交互的多项式次数,而AM具有经典交互的2轮。模拟量子计算是否可以将IP的交互量从多项式减少到恒定值?

7
量子计算/信息大学?
哪些大学拥有强大的量子计算课程,并提供某种类型的量子计算/信息课程/研究? 这里的目的是为正在考虑在这些领域进行研究生学习的人收集有用的列表,而不是讨论哪个是“最佳”的。为了使该列表有用,请简要描述大学追求该领域的部分(在很多地方,这是一个跨学科的研究机构,可能并不为所有人所熟悉),并提供URL。

3
就查询复杂度而言,严格在经典和量子之间计算的模型
众所周知,就查询复杂度而言,量子计算机绝对比经典计算机强大。 就查询复杂性而言,是否还有其他模型(自然模型或人工模型)严格在量子模型和经典模型之间? 分隔可以打开 特定的问题:模型X计算函数查询严格比量子查询多,但是查询数少于经典查询的下限,或者fff 不同的问题:模型X所计算的函数严格比量子计算要多,但函数的查询要比经典方法少。f1f1f_1f2f2f_2 在这两种情况下,我们都希望每个函数都具有以避免难以与量子进行比较的示例(例如非确定性查询的证书复杂性)。这里(和)是双面误差量子(和经典随机)查询复杂度,并且不等式在恒定因子之内。fffQ2(f)≤X(f)≤R2(f)Q2(f)≤X(f)≤R2(f)Q_2(f) \leq X(f) \leq R_2(f)Q2(f)Q2(f)Q_2(f)R2(f)R2(f)R_2(f)1/31/31/3

1
采样(近似)布尔函数的傅里叶变换的复杂性
量子计算机可以做的一件事(甚至可能仅使用BPP +对数深度量子电路)是对P中布尔值函数的傅里叶变换进行近似采样。±1±1\pm 1 在这里和下面,当我谈论采样傅立叶变换时,我的意思是根据选择x 。(如有必要,请进行标准化)。|f^(x)|2|f^(x)|2|\hat f(x)|^2 我们能否描述P的近似采样布尔函数的复杂度类,我们可以称之为P-FOURIER SAMPLING?这堂课有没有完整的问题? 给定X类布尔函数,可以说关于计算复杂度,我们可以将其称为SAMPLING-X,它是对X中函数的傅立叶变换进行近似采样的方法。(我想如果X是BQP,则X-SAMPLING为仍然在量子计算机的能力之内。) 在S中有SAMPLING-X的X的例子是什么?有没有有趣的例子,其中SAMPLING-X是NP硬的? 此问题有多种变体也可能很有趣。在傅立叶方面,我们可以谈论的不是近似样本,而是近似抽样能够(概率地)实现的决策问题。在原始方面,我们可以从概率分布的类X开始,并询问近似采样X中的分布D和近似采样(归一化)傅立叶变换的能力之间的关系是什么。 简而言之,关于此问题的已知信息。 更新:马丁·施瓦兹(Martin Schwarz)指出,如果所有傅立叶系数本身都只集中在多项式条目上,那么在BPP中就有可能近似这些大系数(从而也近似于样本)。这可以追溯到Goldreich-Levin,和库什列维兹-曼苏尔。是否有有趣的函数类,其中有一个概率多项式算法可以对傅里叶侧进行近似采样,其中傅里叶系数的分布比多项式系数大? 稍后添加:让我提及一些具体问题。 1)在P中近似采样布尔函数的傅立叶变换有多困难。 a)斯科特·亚伦森(Scott Aaronson)在下面的评论中提到的一个问题是要表明这不在BPP中。或更弱一点的是,如果此任务在BPP中进行,则会发生崩溃。(苏格兰人猜想就是这种情况。) b)另一个问题是表明,就某些基于量子的复杂性类别而言,这项任务很难。例如,为了表明您可以执行此任务,您可以借助对数深度量子计算机或类似的工具解决BPP中的决策问题。 2)什么是布尔函数类,以便大约可以对P的Fourler变换进行采样在P中。我们知道的是,当Fourier系数集中于多项式多项式系数时,就是这种情况,但这似乎非常局限。 3)在PH中,X机可以近似采样X机可以计算的每个函数的傅立叶变换的复杂度等级X。 4)我对采样交叉事件的傅里叶变换以在n x n的六边形网格上进行渗滤的问题特别感兴趣。

1
哪些结果使量子空间变得有趣?
限时量子计算显然非常有趣。太空量子计算又如何呢? 对于子对数空间边界和各种类型的量子自动机模型的量子计算,我知道许多有趣的结果。 在另一方面,它表明无界误差概率和量子空间是等效的任何空间施工的(的Watrous,1999和2003)。s(n)∈Ω(log(n))s(n)∈Ω(log⁡(n)) s(n) \in \Omega(\log(n)) 我想知道是否有一些特定的结果使量子空间变得有趣(通过排除亚对数空间和自动机模型)。 (我知道这个条目:SPACE复杂度类的量子类似物。)

1
量子膨胀器背后的几何图形
(也在这里询问,没有回复) 甲 -quantum膨胀机是一个分布在单一组与所述属性是:a),b),其中是哈尔度量。如果我们考虑置换矩阵而不是unit分布,那么不难发现我们恢复了d-正则展开图的通常定义。有关更多背景信息,请参见例如:Harrow和Low的高效量子张量积扩展器和k-designs。(d,λ )(d,λ)(d,\lambda)νν\nuü(d)ü(d)\mathcal{U}(d)| 小号ü p p ν | =d|süpp ν|=d|\mathrm{supp} \ \nu| =d∥ èü〜νü⊗ ü†− Eü〜μHü⊗ ü†∥∞≤ λ‖Ëü〜νü⊗ü†-Ëü〜μHü⊗ü†‖∞≤λ\Vert \mathbb{E}_{U \sim \nu} U \otimes U^{\dagger} - \mathbb{E}_{U \sim \mu_H} U \otimes U^{\dagger}\Vert_{\infty} \leq \lambdaμHμH\mu_Hddd 我的问题是-量子扩展器是否接受类似于经典扩展器的任何几何解释(其中光谱间隙〜〜\sim等值法/基础图的扩展)?我没有正式定义“几何实现”,但从概念上讲,人们可以希望将纯粹的光谱准则转化为某种几何图形(在经典情况下,这是扩展器享有的数学丰富性的来源;量子的数学结构)扩展器似乎受到更多限制)。


1
使用负面对手方法的额外力量
否定对手方法()是描述量子查询复杂性的SDP。它是广泛使用的对抗方法()的概括,它克服了阻碍对抗方法的两个障碍:ADV±ADV±ADV^\pmADVADVADV 属性测试的障碍:如果所有0个实例都是 epsilon-远非所有1个实例,那么对手方法无法证明比更好的下界。Ω (1 / ε )ϵϵ\epsilonΩ(1/ϵ)Ω(1/ϵ)\Omega(1/\epsilon) 证书复杂性障碍:如果是证书复杂 -instances然后对手方法不能证明下界优于,其中b √Cb(f)Cb(f)C_b(f)bbbC0(f)C1(f)−−−−−−−−−√C0(f)C1(f)\sqrt{C_0(f)C_1(f)} 在原始的文件中,作者构建了一个示例函数,其方法克服了这两个障碍。但是,我还没有看到任何自然问题的例子,这会产生新的下限。一种DV±ADV±ADV^\pm 您可以提供任何参考资料,其中使用否定对手方法来达到原始方法无法达到的下限吗? 对我而言,最大的兴趣在于财产测试。当前,属性测试的下界非常少,实际上我只知道两个(CFMdW2010,ACL2011),它们都使用多项式方法(第一个是通过减少碰撞问题(最初是多项式方法的下界)而减少的)。我们知道,有需要的属性量子查询来检查,对于任何可计算˚F (ñ )∈ Ø (ñ )(通过组合的结果BNFR2002和GKNR2009Θ(f(n ))Θ(F(ñ))\Theta(f(n))F(Ñ )∈ Ô (Ñ )F(ñ)∈Ø(ñ)f(n) \in O(n))。为什么很难用否定对手方法来证明下限?Ω (f(n ))Ω(F(ñ))\Omega(f(n))



1
多深度和对数深度量子电路之间的口分离
在Aaronson列出的量子计算理论十大半挑战中,出现了以下问题。 被B Q P = B P PB Q N CBQP=BPP乙问ñC\mathsf{BQP}=\mathsf{BPP}^{\mathsf{BQNC}}换句话说,可以任何量子算法的“量子”部分被压缩至深度,提供我们”愿意做多项式时间经典后处理吗?(众所周知,这对于Shor的算法是正确的。)如果是这样,构建通用量子计算机将比通常认为的容易得多!顺便说一句,在 和之间进行oracle分隔并不难,但问题是是否存在任何具体的函数“实例化”这样的oracle。p ø 升ý 升ø 克(Ñ)pØ升ÿ升ØG(ñ)\mathrm{polylog}(n)乙Q P乙问P\mathsf{BQP}乙P PB Q N C乙PP乙问ñC\mathsf{BPP}^{\mathsf{BQNC}} 据推测由乔沙该问题的答案是量子计算“的'基于测量的模型是:其中局部测量,自适应局部门和高效的经典后处理是允许又见此相关的职位。 问题。我想知道此类之间当前已知的口头分离(或者至少是亚伦森所指的预言分离)。

1
我应该读什么才能理解这个问题? 小深度量子电路的功能。是?换句话说,如果我们愿意进行多项式时间经典后处理,那么可以将任何量子算法的“量子”部分压缩到polylog(n)深度吗?(众所周知,这对于Shor的算法是正确的。)如果是这样,构建通用量子计算机将比通常认为的容易得多!顺便说一句,在B Q P和B P P B Q N C之间进行甲骨文分隔并不难。 乙Q P= B PPB Q NC乙问P=乙PP乙问ñCBQP = BPP^{BQNC}乙Q P乙问PBQP乙PPB Q NC乙PP乙问ñCBPP^{BQNC},但问题是是否存在“实例化”这样一个oracle的具体功能。-斯科特·亚伦森(Scott Aaronson) http://www.scottaaronson.com/writings/qchallenge.html

1
针对Grover算法的Oracle构建
在Mike和Ike的“量子计算和量子信息”中,对Grover的算法进行了详细说明。但是,在书中以及在网上找到的关于Grover算法的所有解释中,似乎都没有提到Grover的Oracle是如何构造的,除非我们已经知道我们要搜索的状态是什么,这违背了该算法的目的。算法。具体来说,我的问题是这样的:给定一些f(x)使得对于某个x值,f(x)= 1,但对于所有其他值,f(x)= 0,一个人如何构造一个将我们带离的甲骨文我们的初始任意状态| x> | y>到| x> | y + f(x)>?尽可能多的明确细节(也许是一个例子?)将不胜感激。如果使用Hadamard,Pauli或其他标准量子门可以实现任意功能的这种构造,

1
如果中止统一性,精确的“量子”计算的功能有多强大?
简短的问题。 如果我们允许非单一(但仍然可逆)门,并要求输出确定性地给出正确答案,那么“量子”电路的计算能力是多少? 这个问题在某种意义上是当您允许电路使用的不仅仅是单一门时,类会发生什么EQPEQP\mathsf{EQP}。(如果我们希望能够拥有一个定义良好的计算模型,我们仍然被迫将自己限制在上的可逆门上CC\mathbb C。) (鉴于我对单一情况下此类电路的已知结果有些困惑,因此对该问题进行了一些修改。) 关于“精确”量子计算 为了这个问题,我将定义EQPEQP\mathsf{EQP}为可以由一个统一的量子电路族准确解决的一类问题,其中每个unit的系数可以由有时间限制的多项式图灵机(从输入字符串中计算出)每个输入大小n为1n1n1^n),并且作为有向网络的电路布局也可以在多项式时间内生成。通过“完全”解决,我的意思是测量输出位的产量| 0 ⟩肯定对NO的情况下,和| 1 ⟩肯定为YES实例。nnn|0⟩|0⟩|0\rangle|1⟩|1⟩|1\rangle 注意事项: 即使限制为单一门,概念EQPEQP\mathsf{EQP}也不同于Bernstein和Vazirani使用量子图灵机描述的概念。上面的定义允许电路族{Cn}{Cn}\{ C_n \}原则上具有无限的门集-当然,每个电路CnCnC_n仅使用有限的子集-因为门实际上是根据输入计算得出的。(量子图灵机可以模拟您喜欢的任何有限门集,但是只能模拟有限门集,因为它只有有限数量的过渡。) 这种计算模型使任何问题变得无关紧要PP\mathsf P,因为the可能包含一个门,该门对任何问题的解决方案进行硬编码PP\mathsf P(毕竟,其系数由多次计算确定)。因此,问题的特定时间或空间复杂性对于此类电路而言不一定是有趣的。 我们可以添加一些警告,即量子计算机的实际实现总会产生噪音。这种计算模型之所以有趣,主要是因为理论上的原因,它是与构成unit变换而不是可行的计算有关的一个模型,也是的精确版本。特别是,尽管上述的警告,我们有P ⊆ Ë Q P ⊆ 乙Q P。BQPBQP\mathsf{BQP}P⊆EQP⊆BQPP⊆EQP⊆BQP\mathsf{P} \subseteq \mathsf{EQP} \subseteq \mathsf{BQP} 以我的方式定义的原因是可以将DISCRETE-LOG放入E Q P中。在[ Mosca + Zalka 2003 ]中,有一个多项式时间算法来构造一个circuit回路,该回路通过根据输入模量生成精确的QFT版本来精确求解DISCRETE-LOG实例。我相信,通过将电路构造的元素嵌入门系数的计算方式,我们可以将DISCRETE-LOG放入E Q P中,如上定义。(所以结果离散Log ∈ Ë Q P基本上是由菲亚特持有,但依靠莫斯卡+扎尔卡的建设。)EQPEQP\mathsf{EQP}EQPEQP\mathsf{EQP}EQPEQP\mathsf{EQP}∈EQP∈EQP\in \mathsf{EQP} 暂停统一 令为我们中止门为s的限制并允许它们在可逆变换范围内得到的计算类。我们可以根据其他传统的非确定性类C来放置(或表征)该类吗?EQPGLEQPGL\mathsf{EQP_{\mathrm{GL}}}CC\mathbf C 我要问的原因之一:是否是可通过统一的“非unit量子”电路族有效地解决且有界误差的一类问题,其中YES实例给出|的输出。1 ⟩的概率至少2/3,和NO实例的概率至多1/3(归一化状态矢量后) …

By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.