【时  间】2025年11月26日（星期三）15:00

【地  点】量子院526报告厅

【主  持】曾进峰助理研究员  量子算法应用研发团队

【题  目】基于高效后处理的量子阴影层析实现量子优势

【摘  要】在量子科学与人工智能等领域，计算形如 tr(AB）的内积（其中A为密度矩阵，B为有界范数可观测量，即 Hermitian 且满足tr(B²)≤O(poly(logd))是一个基础且普遍的问题。传统的经典计算方法在时间与存储上均需O(d²)资源，难以扩展至指数维系统。本报告介绍一种基于稠密对偶基随机投影的量子阴影层析方案，可在典型情形下将总体复杂度从O(d²)指数级降低至 O(poly(logd))，并在最坏情况下保持近根号级加速O(d poly(logd))。该方法在保证单次实验常数时间后处理代价的同时，显著降低了量子态 A 的经典存储需求（由O(d²)减少至O(mlogd)，其中 m 为测量样本数）。相较于随机Clifford测量在2的幂次和素数幂次的限制，其适用于任意维度的量子体系，可高效估计有界范数可观测量的期望值。该工作展示了一种兼具普适性与高效性的量子阴影层析方案，为高维量子数据处理提供了可验证的量子优势途径【Phys. Rev. Lett. 135, 200601 (2025)】。

【报告人简介】王宇，北京雁栖湖数学科学与应用研究院（BIMSA）助理研究员。2019 年于中国科学院数学与系统科学研究院获计算机软件与理论专业博士学位。曾在深圳鹏城实验室量子计算中心任助理研究员。目前主要研究兴趣为量子信息与量子计算，重点关注量子态学习，通过优化测量与计算资源，实现对未知量子态信息的高效读取与性质预测。