执行 NOT 的 k 次根时量子与经典学习的速度
量子物理
2009-12-15 v2
摘要
我们考虑量子学习机——为了以某种方式提升自身性能而进行自我修改的量子计算机——其被训练来执行特定的经典任务，即实现一个将经典比特作为输入并返回经典比特作为输出的函数。这使得可以根据完成学习所需的迭代次数，对量子学习机与经典学习机的学习效率进行公平比较。我们找到了一个具体任务的显式例子，数值模拟表明该任务的量子学习快于其经典对应物。该任务是提取 NOT 的 k 次根（NOT = 逻辑非），其中 k=2^m 且 m \in N。这种加速的原因在于，经典机需要大小为 log k=m 的记忆来完成学习，而对于任意 k，单个量子比特的记忆对量子机而言即已足够。
关键词
引用
@article{arxiv.0904.4571,
title = {The speed of quantum and classical learning for performing the k-th root of NOT},
author = {Daniel Manzano and Marcin Pawlowski and Caslav Brukner},
journal= {arXiv preprint arXiv:0904.4571},
year = {2009}
}
备注
4 pages, 4 figures