Kernkonzepte
국소 해밀토니안의 테스트와 학습을 위한 간단하고 효율적인 알고리즘을 제시한다.
Zusammenfassung
이 논문에서는 국소 해밀토니안의 테스트와 학습을 위한 간단하고 효율적인 알고리즘을 제안한다.
테스트 알고리즘:
해밀토니안이 k-국소 또는 k-국소에서 멀리 떨어져 있는지 판단한다.
쿼리 복잡도는 O(1/(ε2-ε1)8 · log(1/δ))이고, 총 진화 시간은 O(1/(ε2-ε1)7 · log(1/δ))이다.
임의의 속성 S를 가진 해밀토니안을 테스트할 수 있다.
학습 알고리즘:
k-국소 해밀토니안을 학습한다.
쿼리 복잡도와 총 진화 시간은 exp(O(k2 + k log(1/ε)) log(1/δ))이다.
기존 연구에 비해 n에 의존하지 않고, 2-노름 거리에서 작동한다.
Statistiken
해밀토니안 H의 고유값은 절대값이 1 이하로 정규화된다: ∥H∥∞≤1
해밀토니안 H는 다음과 같이 파울리 문자열로 표현된다: H = Σx hxσx
파울리 스펙트럼의 2-노름은 다음과 같다: ∥H∥2 = √(Σx |hx|2)/2n