今日动态 返回首页
会员注册 登录 生物通快讯免费订阅
  • 首页 今日动态 人才市场 新技术专栏 中国科学人 云展台
    BioHot
    • 定制我的BioHot
    • 进入我的BioHot
    • 进入我的集采
    • 肿瘤癌症研究
    • 免疫/基因/细胞疗法
    • 神经生物学
    • 健康与疾病
    • 衰老机制与长寿
    • 单细胞技术
    • 基因编辑-CRISPR
    • RNA研究
    • 肠道菌与人体微生态
    • 细胞代谢
    • AI生物信息学
    • COVID
    云讲堂直播 会展中心 特价专栏 技术快讯 免费试用

  • 生物通官微
    陪你抓住生命科技
    跳动的脉搏

生物通首页  >  今日动态  >  正文

正温度玻色子高斯态哈密顿量的样本与计算高效学习协议

《Nature Communications》:Efficient Hamiltonian, structure and trace distance learning of Gaussian states

【字体: 大 中 小 】 时间:2026年09月18日 来源:Nature Communications 18.1

编辑推荐:

   摘要在学习描述多体量子系统时,假设相互作用的局域性,与无结构方法相比,可以大幅减少所需的观测次数和计算时间。在本工作中,我们揭示了该现象的一个无穷维实例,开启了正温度玻色子高斯态哈密顿量学习的研究。我们提出了样本和计算高效的协议,用于推断底层二次哈密顿量的参数和图结构,前提是

  

摘要

在学习描述多体量子系统时,假设相互作用的局域性,与无结构方法相比,可以大幅减少所需的观测次数和计算时间。在本工作中,我们揭示了该现象的一个无穷维实例,开启了正温度玻色子高斯态哈密顿量学习的研究。我们提出了样本和计算高效的协议,用于推断底层二次哈密顿量的参数和图结构,前提是温度、压缩、位移以及相互作用图的最大度均是有界的。值得注意的是,我们的协议仅依赖于外差测量,这在实验上通常是可行的,并且实现了样本复杂度仅随模式数对数级缩放的结果。此外,我们的技术允许在迹距离下学习正温度高斯态,其在精度上呈二次缩放,在模式数上呈多项式缩放。

相关新闻
生物通微信公众号
生物通新浪微博
微信
新浪微博
我要投稿
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热搜:多体量子系统|哈密顿量学习|玻色子高斯态|外差测量|样本复杂度|正温度

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号