1411
0
0
2021-09-12 12:26:32
2021-09-12
這周開始了正常的學(xué)習(xí)生活,。
這周在科研方面主要看了兩篇論文,，一篇是講量子卷積的，主要是討論在圖像處理上的量子算法,。
而其使用了一種叫QADC的技術(shù),，將振幅信息轉(zhuǎn)換為了經(jīng)典數(shù)據(jù)進(jìn)行儲(chǔ)存,，如下：
其參考的論文我將作為附件上傳，我感覺(jué)是一篇很厲害的文章,。
其主要完成了上圖的工作,，其中dj是一串01串，也就是上面Lemma3中的rj
其基本思路是將振幅信息通過(guò)swap test轉(zhuǎn)化為了測(cè)得輔助量子比特|B? 為0的概率,。而后根據(jù)|B? ,，劃分出兩類向量,，在此基礎(chǔ)上構(gòu)建出兩個(gè)新的特征向量。
此時(shí)我們就可以對(duì)這兩個(gè)特征向量的結(jié)果做相位估計(jì),，得到θ的值,，而θ的值是與rj 的值有關(guān)的，這使得我們可以根據(jù)θ推出振幅信息的近似,。
我認(rèn)為這篇文章工作的最大意義在于其解放了振幅信息的限制,，以往要求振幅信息往往需要將其轉(zhuǎn)換為特征向量的形式用相位估計(jì)算法來(lái)完成，但這篇文章可以對(duì)任意振幅信息進(jìn)行離散化,，抽取出來(lái)并儲(chǔ)存,。
參考這個(gè)算法在前面的圖像量子卷積上的應(yīng)用，實(shí)際上這個(gè)算法完成了矩陣的多核計(jì)算,，雖然我暫時(shí)摸不清與傳統(tǒng)多核相比其優(yōu)勢(shì)在哪,。
另外就是我暫時(shí)在數(shù)學(xué)推導(dǎo)上沒(méi)摸清
其中αk是測(cè)得0的概率，rk滿足下式
