In this paper, we introduce the problem of unitarization. Unitarization is the problem of taking several input quantum circuits that produce orthogonal states from the all 0 state, and create an output circuit implementing a unitary with its first columns as those states. We allow the resulting circuits, and even the input circuits, to use ancilla qubits initialized to 0. But ancilla qubits must always be returned to 0 for ANY input, and we are only guaranteed the input circuits returns ancilla qubits to 0 on the all 0 input. The unitarization problem seems hard if the output states are neither orthogonal to or in the span of the computational basis vectors that need to map to them. In this work, we approximately solve this problem in the case where input circuits are given as black box oracles by probably finding an approximate basis for our states. This method may be more interesting than the application. Specifically, we find an approximate basis in polynomial time for the following parameters. Take any natural $n$, $k = O\left(\frac{\ln(n)}{\ln(\ln(n))}\right)$, and $\epsilon = 2^{-O(\sqrt{\ln(n)})}$. Take any $k$ input unit vectors, $(\lvert \psi_i \rangle)_{i\in [k]}$ on polynomial in $n$ qubits prepared by quantum oracles, $(V_i)_{i \in [k]}$, (that we can control call and control invert). Then there is a quantum circuit with polynomial size in $n$ and access to the oracles $(V_i)_{i \in [k]}$ that with at least $1 - \epsilon$ probability, computes at most $k$ circuits with size polynomial in $n$ and oracle access to $(V_i)_{i \in [k]}$ that $\epsilon$ approximately computes an $\epsilon$ approximate orthonormal basis for $(\lvert \psi_i \rangle)_{i\in [k]}$.


翻译:在本文中, 我们引入了 unitization 问题。 单数电路的问题在于从所有 0 种状态中选择产生正正方位状态的数个输入量电路, 并创建一个输出电路以第一个列的形式实施统一。 我们允许由此生成的电路, 甚至输入电路, 初始化为 0 。 但是 ancilla 位子必须总是返回 0, 用于任何输入, 我们只能保证输入电路返回所有 0 个输入量的 Ancilla 量电路返回 0 。 如果输出状态不是以正方位为正方位的, 那么当输入电路被作为黑箱或电路标时, 我们就会解决这个问题 。 具体地说, 使用 美元 美元 或 美元 美元 或 美元 方位 的调量 。 任何自然 美元 、 美元 和 美元 以 美元 以 或 美元 方位 以 或 方位 方位 。

0
下载
关闭预览

相关内容

专知会员服务
50+阅读 · 2020年12月14日
【干货书】机器学习速查手册,135页pdf
专知会员服务
125+阅读 · 2020年11月20日
Fariz Darari简明《博弈论Game Theory》介绍,35页ppt
专知会员服务
110+阅读 · 2020年5月15日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
59+阅读 · 2019年10月17日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
2019年机器学习框架回顾
专知会员服务
35+阅读 · 2019年10月11日
【新书】Python编程基础,669页pdf
专知会员服务
194+阅读 · 2019年10月10日
强化学习扫盲贴:从Q-learning到DQN
夕小瑶的卖萌屋
52+阅读 · 2019年10月13日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
计算机视觉的不同任务
专知
5+阅读 · 2018年8月27日
条件GAN重大改进!cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7日
Simple Recurrent Unit For Sentence Classification
哈工大SCIR
6+阅读 · 2017年11月29日
【推荐】YOLO实时目标检测(6fps)
机器学习研究会
20+阅读 · 2017年11月5日
【推荐】SVM实例教程
机器学习研究会
17+阅读 · 2017年8月26日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Arxiv
0+阅读 · 2021年5月28日
Arxiv
0+阅读 · 2021年5月26日
Arxiv
0+阅读 · 2021年5月25日
VIP会员
相关VIP内容
专知会员服务
50+阅读 · 2020年12月14日
【干货书】机器学习速查手册,135页pdf
专知会员服务
125+阅读 · 2020年11月20日
Fariz Darari简明《博弈论Game Theory》介绍,35页ppt
专知会员服务
110+阅读 · 2020年5月15日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
59+阅读 · 2019年10月17日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
2019年机器学习框架回顾
专知会员服务
35+阅读 · 2019年10月11日
【新书】Python编程基础,669页pdf
专知会员服务
194+阅读 · 2019年10月10日
相关资讯
强化学习扫盲贴:从Q-learning到DQN
夕小瑶的卖萌屋
52+阅读 · 2019年10月13日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
计算机视觉的不同任务
专知
5+阅读 · 2018年8月27日
条件GAN重大改进!cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7日
Simple Recurrent Unit For Sentence Classification
哈工大SCIR
6+阅读 · 2017年11月29日
【推荐】YOLO实时目标检测(6fps)
机器学习研究会
20+阅读 · 2017年11月5日
【推荐】SVM实例教程
机器学习研究会
17+阅读 · 2017年8月26日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Top
微信扫码咨询专知VIP会员