具有 SU($d$) 对称性的等变量子算法迈向超多项式量子加速
量子物理
2025-11-24 v3 人工智能
机器学习
数学物理
math.MP
机器学习
摘要
我们引入等变卷积量子算法框架，专为具有任意 SU 对称性的物理系统上的若干机器学习任务而设计。它使我们能够增强一种自然的量子计算模型——置换量子计算（PQC）——并定义一种更强大的模型：PQC+。尽管 PQC 已被证明可被经典高效模拟，我们展示了一个可在 PQC+ 机器上高效求解、且已知无经典多项式时间算法的问题；从而提供了反对 PQC+ 可被经典模拟的证据。我们进一步讨论了可在 PQC+ 范式下执行的实用量子机器学习算法。
引用
@article{arxiv.2207.07250,
title = {Toward Super-polynomial Quantum Speedup of Equivariant Quantum Algorithms with SU($d$) Symmetry},
author = {Han Zheng and Zimu Li and Sergii Strelchuk and Risi Kondor and Junyu Liu},
journal= {arXiv preprint arXiv:2207.07250},
year = {2025}
}
备注
Presented in TQC 2022