查看“WikiEdge:ArXiv-2404.14639/abs”的源代码

<div style="float: right;">[{{fullurl:WikiEdge:ArXiv-2404.14639/abs|action=edit}} 编辑]</div>
* '''标题'''：[[Quantum computational advantage]] with [[constant-temperature]] [[Gibbs sampling]]
* '''中文标题'''：常温吉布斯采样的量子计算优势
* '''发布日期'''：2024-04-23 00:29:21+00:00
* '''作者'''：Thiago Bergamaschi, Chi-Fang Chen, Yunchao Liu
* '''分类'''：[[quant-ph]]
* '''原文链接'''：http://arxiv.org/abs/2404.14639
'''摘要'''：一个与某个固定、有限温度的[[浴]]相耦合的[[量子系统]]会收敛到其[[吉布斯态]]。这个热化过程定义了一个自然的、物理上有动机的[[量子计算]]模型。然而，在这个现实的物理设置中，是否能够实现量子计算优势仍然是一个悬而未决的问题，因为找到快速热化但在经典上不可处理的系统是一个挑战。在这里，我们考虑在恒定温度下从[[量子吉布斯态]]的测量结果分布中进行采样，并证明这一任务展示了量子计算优势。我们设计了一系列几乎局部的可交换[[哈密顿量]]（浅量子电路的父哈密顿量），并证明它们在标准的热化物理模型下（作为连续时间[[量子马尔可夫链]]）快速收敛到其吉布斯态。另一方面，我们展示了没有多项式时间的经典算法可以从测量结果分布中进行采样，通过将其归约到从无噪声浅[[量子电路]]中采样的经典困难性。归约的关键步骤是构建一个针对输入噪声的浅[[IQP电路]]的容错方案。