1556
0
0
2021-09-12 12:26:32
2021-09-12
這周開始了正常的學習生活。
這周在科研方面主要看了兩篇論文，一篇是講量子卷積的，主要是討論在圖像處理上的量子算法。
而其使用了一種叫QADC的技術，將振幅信息轉換為了經典數據進行儲存，如下：
其參考的論文我將作為附件上傳，我感覺是一篇很厲害的文章。
其主要完成了上圖的工作，其中dj是一串01串，也就是上面Lemma3中的rj
其基本思路是將振幅信息通過swap test轉化為了測得輔助量子比特|B? 為0的概率。而后根據|B? ，劃分出兩類向量，在此基礎上構建出兩個新的特征向量。
此時我們就可以對這兩個特征向量的結果做相位估計，得到θ的值，而θ的值是與rj 的值有關的，這使得我們可以根據θ推出振幅信息的近似。
我認為這篇文章工作的最大意義在于其解放了振幅信息的限制，以往要求振幅信息往往需要將其轉換為特征向量的形式用相位估計算法來完成，但這篇文章可以對任意振幅信息進行離散化，抽取出來并儲存。
參考這個算法在前面的圖像量子卷積上的應用，實際上這個算法完成了矩陣的多核計算，雖然我暫時摸不清與傳統多核相比其優勢在哪。
另外就是我暫時在數學推導上沒摸清
其中αk是測得0的概率，rk滿足下式
