2075
1
0
2021-08-23 12:35:05
2021-08-23
這次的暑期班讓我感覺獲益良多,，四天的報告讓我學會了很多,，在此做個小小的歸納總結。
第一天的主要內容是量子計算的相關數學基礎，這天的講座讓我了解了很多相關的知識,，也讓我對以前所看的文章中的一些概念有了更加清楚的認識，比如算子,，跡距離等等,。我以前對于算子中經常出現的向量外積形式存在一定的疑惑，雖然可以慢慢地用數學推導的方式證明其效果,，但我一直不明白為什么會用這種形式,，而這次的報告給了我答案， Hilbert 空間 H 上的任一個線性算子都可以寫成外積的形式 ,，這讓我一下子對以前的知識有了新的認識,。
同時，第一天的報告中也涉及了一些我之前沒有了解過的數學知識,，比如第五章的 von Neumann 熵與信息,，這部分的知識在復合量子系統(tǒng)上有比較好的應用,，但我還不能很好的理解這一部分，其涉及了許多關于跡距離的內容,，我需要先把前面的知識吃透,。
總結來說，第一天報告的數學知識是我目前所欠缺的,，比較系統(tǒng)性的數學知識,，接下來的一段時間，我需要重點鉆研這些內容,，掌握這些數學知識,。
第二天的內容是量子糾錯與量子電路，這天報告的前面部分內容比較好理解,，對以前一些論文中出現X,Y,Z有了更加直接認識,，但我對這個Y算子依舊存在疑問，這個復數i的意義我至今不是很能理解,。使用泡利算子所完成的bit flip code或者phase filp code,，其具有單位量子比特的糾錯能力，但我有個小小的疑問,，這些糾錯編碼似乎沒有特別用到什么量子的性質,，那么如果使用傳統(tǒng)的糾錯編碼方法會如何呢？又或者說是什么限制了傳統(tǒng)編碼方式在量子比特上的使用,？而后面提出的shor編碼看起來似乎是在phase flip code上的發(fā)展,，似乎是具有更好的抗噪聲能力，但我暫時不能很理解其好處,。
再往后的內容我就開始聽的有點云里霧里了,，我上一頁PPT還沒消化完就開始將下一頁了，只是大致對General theory for qec和stabilizer codes留下了個大致的印象,，需要后續(xù)再花點時間去看看,。
第三天的內容則是比較熟悉的量子算法部分了，相較于前兩天的云里霧里,，這天感覺到了家一樣的感覺,。
前面對幾個經典算法做了說明，我也算做了個簡單的回顧,。之后重點講解了shor算法,，并通過舉例子有了一個更加直觀的認識，加深了印象,?？上г诹孔痈道锶~變換的部分，我依舊沒能很好的理解,。
之后則是重點講解了搜索算法,，提到了在隨機搜索算法上,，量子算法具有二次加速的效果。感覺與之前看到的一些關于量子神經網絡的論文的結論吻合,，雖然那篇文章本身也沒太解釋具體強化學習的過程,，但給出了二次加速的結論，應該是和這個振幅放大的二次加速有關,。
之后又有一些問題,，相異元素，子團查找等,，基本思想都是把群體做劃分,，劃分成兩個群體再使用grover算法，說明這種算法的思想可以應用在很多問題上,。
最后給我留下深刻印象的是量子復雜性下界的多項式方法,，但我對具體的證明不是很了解，也許之后應該看看論文原文來了解一下,。
第四天則是一些前沿內容的報告,，有很多都給我留下了深刻印象。
比如量子云,，有兩位的報告涉及了這部分的內容，其中華為的翁文康老師的演示確實讓人眼前一亮,，我也注冊了賬號,，雖然暫時可能還不具備編寫代碼的能力，但我認為實操會更好的幫助掌握知識,，這個平臺也許會給我的學習帶來不少幫助,。
又比如量子神經網絡，這部分的內容我其實還是比較感興趣的,，但遺憾的是似乎只是對經典的機器學習的一個拓展,，沒有針對量子在其中的作用進行發(fā)掘，雖然似乎大家都默認量子應用在人工智能上會有加速效果,，但我還是對其的具體實現一頭霧水,。同時有提到一個噪音問題，似乎噪音對量子機器學習的影響遠超傳統(tǒng)機器學習,，我認為這個大概與前面的量子糾錯報告中提到的內容有關,，也許需要量子糾錯有更進一步的發(fā)展，才能提升量子機器學習抗噪聲的表現,。
又比如光量子,，我對不同量子的計算效果比較感興趣，而光量子相較于其他量子的異同,，優(yōu)劣都是個很有意思的話題,。
