用于量子态层析的投影梯度下降算法
量子物理
2017-01-02 v1
摘要
精确的量子态层析是基础与应用量子科学中的重要工具。它是一项处理含噪测量记录以构建未知量子态可靠估计的任务，并且是量子计算、计量学和通信的核心。迄今为止，已开发出许多不同的量子态估计方法，但没有任何一种方法适合所有应用，且随着未知态维数的增长，它们都相对迅速地失效。在这项工作中，我们提出投影梯度下降是一种能够规避其中某些缺陷的方法。我们提出了三种使用投影梯度下降的新层析算法，并将其性能与最先进的替代方法（即稀释迭代算法和凸规划）进行比较。我们的结果倾向于支持投影梯度下降方法这一通用类别，因为其速度、对大态的适用性以及其表现良好的条件范围。
引用
@article{arxiv.1612.09531,
title = {Projected gradient descent algorithms for quantum state tomography},
author = {Eliot Bolduc and George Knee and Erik Gauger and Jonathan Leach},
journal= {arXiv preprint arXiv:1612.09531},
year = {2017}
}