量子同伴：资源论中的催化剂与动态编程中的记忆体

量子信息论探索量子态操控的极限。虽然辅助系统常常增强信息处理，但缺乏系统性的解释来说明其强大功能。本论文通过研究辅助系统使用的背后机制，来填补这一空白。随后，我们将这些见解应用于量子计算中的实际问题，并设计一种利用辅助系统的算法范式。第一部分考察了作为催化剂的辅助系统——即保持不变的系统——并识别出三种优势：记忆效应、能够微调催化剂状态的能力，以及作为资源分配种子的作用。第二部分提出了一种策略，通过利用辅助状态作为记忆体来解决量子算法中的递归问题，在代价是增加宽度的同时实现电路深度的指数级减少。本论文的发现将促进未来对根本性问题（如资源转换）和实际问题（如最优量子电路综合）的研究。