利用通用随机测量增强量子性质估计
计算机视觉与模式识别
2025-08-25 v2
摘要
我们提出一种通过引入关于目标量子态的近似先验知识来增强量子态性质估计的技术。该方法涉及在量子处理器上执行随机测量，并将结果与存储量子态近似的经典计算机所获得结果进行比较。我们针对多拷贝观测量的期望值给出了无偏估计量，并依据依赖先验知识精度的方差界给出了性能保证。我们通过数值实验估计 von Neumann 熵的多项式近似和量子态保真度，展示了方法的有效性。
引用
@article{arxiv.2304.12294,
title = {Explicit Correspondence Matching for Generalizable Neural Radiance Fields},
author = {Yuedong Chen and Haofei Xu and Qianyi Wu and Chuanxia Zheng and Tat-Jen Cham and Jianfei Cai},
journal= {arXiv preprint arXiv:2304.12294},
year = {2025}
}
备注
TPAMI 2025, Project page: https://donydchen.github.io/matchnerf, Code: https://github.com/donydchen/matchnerf