您好!今天是2018年11月16日 星期五
加入收藏| 设为首页| 联系方式
网站首页
欢迎来到:中国科学院量子信息重点实验室
实验室概况
实验室介绍| 机构设置| 历史沿革| 联系我们
科研体系
固态量子计算研究单元| 量子纠缠网络研究单元| 量子集成光学芯片研究单元| 量子密码与量子器件研究单元| 量子理论研究单元
科研成果
研究进展| 获奖| 论文与专著| 专利
实验室成员
固定成员| 双聘人员| 博士后| 招聘信息
科普中心
郭光灿的量子十问 | 来自量子世界的新技术
研究生园地
研究生招生
新闻中心| 公告通知| 学术报告| 媒体关注| 友情链接

首页栏目

当前位置:首页>首页栏目> 学术报告

学术报告


5月15日赵志宽报告

发布时间:2018-05-14

报告时间:5月15日 周二  下午3:00

报告地实验室一楼会议室

报告人:赵志宽(Singapore University Of Technology And Design)

报告题目: Waveguide QED toolboxes for synthetic quantum matter with neutral atoms

报告摘要: Solving linear systems of equations is a frequently encountered problem in machine learning and optimization. Given a matrix A and a vector b the task is to find the vector x such that Ax=b.We describe a quantum algorithm that achieves a sparsity-independent runtime scaling of O(k^2 Sqrt(n)polylog(n)/e) for an n*n dimensional A with bounded spectral norm, where k denotes the condition number of A, and e is the desired precision parameter. This amounts to a polynomial improvement over known quantum linear system algorithms when applied to dense matrices, and poses a new state of the art for solving dense linear systems on a quantum computer. Furthermore, an exponential improvement is achievable if the rank of A is polylogarithmic in the matrix dimension. Our algorithm is built upon a singular value estimation subroutine, which makes use of a memory architecture that allows for efficient preparation of quantum states that correspond to the rows of A and the vector of Euclidean norms of the rows of A.