估算高斯期望问题中GBS优势的比例
量子物理
2025-02-28 v2
摘要
高斯波函数采样（GBS）是一种可由光子量子计算模型实现的采样任务。在[4]中，我们引入了算法，使用GBS样本来逼近高斯期望问题。我们发现，在这些算法相对于标准蒙特卡罗（MC）方法实现指数级加速的非空开放子集中。这种加速以乘法误差近似方案下的保证样本大小来定义，即在相同精度和成功概率下所需的样本数量。本文通过优化GBS分布中平均光子数以匹配特定的高斯期望问题来增强原始方法。我们提供了这些改进算法的保证样本大小估计，并量化了它们在MC中优于的比例问题空间。数值结果表明，我们改进算法优于MC的比例问题空间是可观的，且获得的优势是显著的。值得注意的是，在某些特殊情况下，我们的方法在近100%的问题空间中始终优于MC。
引用
@article{arxiv.2502.19362,
title = {Estimating the Percentage of GBS Advantage in Gaussian Expectation Problems},
author = {Jørgen Ellegaard Andersen and Shan Shan},
journal= {arXiv preprint arXiv:2502.19362},
year = {2025}
}
备注
We are resubmitting this manuscript to update the arXiv number in the references for another paper of ours, which was concurrently submitted and became available a day after our initial submission