查看“WikiEdge:ArXiv-2403.16850/methods”的源代码

<div style="float: right;">[{{fullurl:WikiEdge:ArXiv-2403.16850/methods|action=edit}} 编辑]</div>
这篇文献的工作部分详细介绍了如何研究[[高温吉布斯态]]（[[Gibbs states]]）的量子纠缠特性以及它们的有效制备方法。以下是这部分的主要内容：
# '''高温吉布斯态的无纠缠性（Unentanglement of High-Temperature Gibbs States）'''：
#* 证明了在高于某个恒定温度的情况下，局部[[哈密顿量]]（[[local Hamiltonians]]）的[[热态]]（[[thermal states]]）是可分离的。具体来说，对于图上的局部哈密顿量H，其在逆温度β下的吉布斯态ρ可以表示为经典分布在乘积态上的形式。
# '''高温吉布斯态的有效制备（Efficient Preparable of High-Temperature Gibbs States）'''：
#* 展示了在β < 1/(cd^3)的条件下，可以利用深度为一的[[量子电路]]和多项式(n)·log(1/ε)的古典开销来高效地从乘积态分布中采样，从而准备一个与ρ在迹距离上ε接近的状态。
# '''技术概览（Technical Overview）'''：
#* 描述了获得上述结果所需的关键技术成分，包括吉布斯态的无纠缠性证明和高效制备算法的设计。
# '''低度多项式近似（Low-Degree Polynomial Approximation）'''：
#* 提出了一种方法，通过低度多项式近似来描述限制在单个站点上的吉布斯态，从而允许高效地从近似分布中采样。
# '''树结构上的随机游走（Random Walks on Trees）'''：
#* 利用树结构上的随机游走算法来高效地从吉布斯分布中采样，这种方法可以快速混合并产生接近吉布斯态的乘积态。
# '''快速状态制备与分析（Fast State Preparation and Analysis）'''：
#* 展示了如何通过构建一个特定结构的树，并在树上运行随机游走算法，来快速制备和分析吉布斯态。