- 博客(63)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 量子计算 20 量子算法 5 (Shor Part II: QFT)
量子计算 20 量子算法 5 Shor Part II: QFT1 Fast Fourier Transform (FFT)2 Quantum Fourier Transform and Circuit上回书我们得到了如下所示的量子态，如果要从里面得到想要的周期信息，就要用到今天所介绍的量子傅里叶变换；傅里叶变换在各种学科里的应用超多，本质上可以看成是衡量周期信号的线性变换。我们要用的量子傅里叶变换QFT就是个矩阵FQF_QFQ: (FQ)i,j=⟨i∣FQ∣j⟩=wijQ(F_Q)_{i,j}=
2023-01-04 16:01:39
388
原创 量子计算 22 量子算法 7 (Shor Part IV: Continued Fraction & Wrap Up)
量子计算 22 量子算法 7 Shor Part IV: Continued Fraction & Wrap Up1 连分数1.1 定义1.2 连分数求cs\frac{c}{s}sc2 Wrap up2.1 算法总结2.2 算法应用1 Break [RSA]2 Break [Diffie-Hellman]3 Break [Elliptic Curve Cryptography]4 Not (Yet) Broken [Lattice-based Cryptograpy]5 Not (Yet) Bro
2023-01-04 16:00:55
429
1
原创 量子计算 19 量子算法4 (Shor Part I)
量子计算 19 量子算法4 Shor Part I1 从质数分解到周期寻找定义modular exponential function即模幂函数:f(r)=xrmod Nf(r)=x^r \text{mod }Nf(r)=xrmod N定理：如果能找到模幂函数则可以有效率的分解N=pqN=pqN=pq2 周期变换量子电路上回书简要介绍了数论基础、RSA加密算法和Shor算法基本流程，回顾下Shor算法的基本流程：第一步，把质数分解问题，转化为周期寻找问题，这一步Shor认为是显然的
2023-01-04 16:00:34
443
原创 量子计算 18 量子算法3 (RSA & Shor)
量子算法3 RSA & Shor Part I1 数论简单基础1.1 质数分解1.2 Multiplicative group mod p1.3 费马小定理Euler's Identity1.4 一些经典数论算法Primality，质数判断Euclid's GCD algorithm，最大公约数算法Repeated squaring，高效指数运算2 RSA加密算法3 Shor算法概要终于来到了激动人心的Shor’s质数分解算法的环节，这可以说是有史以来最伟大的算法之一了。应该需要几次推送才能看完，
2023-01-04 16:00:19
671
原创 量子计算 21 量子算法 6 (Shor Part III: QFT+PF)
量子计算 21 量子算法 6 Shor Part III: QFT+PF1 周期寻找量子态2 QFT矩阵3 QFT解决周期寻找问题假如Q是s的整数倍假如Q不是s的整数倍上回书介绍了QFT的量子电路，这其实是之前讲的Shor算法里面的第三步，我们今天来看第二步：第一步，把质数分解问题，转化为周期寻找问题，这一步Shor认为是显然的，当然我们不会这么认为。。。第二步，通过量子傅里叶变换QFT，以O(1)O(1)O(1)查询复杂度解决周期寻找问题第三步，建立QFT的量子电路，用nO(1)=lognO(
2022-05-24 11:16:19
999
原创 量子计算 11 NSA的随机数阴谋
Einstein-Certified Randomness, Leashing Quantum Systems1 Einstein-Certified Randomness (CHSH游戏验证)2 Leashing quantum systems (类CHSH验证)3 预告: 量子计算要来了!随机数生成是计算机领域，尤其是密码学领域，最重要的问题之一，因为如果随机数的生成可以预测的话，那你的加密就很容易会被破解！在学习了前面课程之后，我们可能会想，我们用基{∣0⟩,∣1⟩}\{|0\rangle, |1
2022-05-09 20:06:19
311
原创 量子计算 12 量子计算机到底是啥？
量子计算机到底是啥？1 量子计算机是谁想起来的？1.1 Nature isn't classical, dammit (Feynman 1981)1.2 Many worlds interpretation (David Deutsch)2 量子计算机到底能干什么？能不能算停机问题？能不能实现指数加速？3 量子计算机咋实现的？3.1 量子图灵机 Quantum Turing machines3.2 量子电路 Quantum circuits3.3 Universal gates (to be contin
2022-05-09 20:05:28
547
原创 量子计算 14 量子通用门
量子计算 14 量子通用门1 经典门与量子门2 量子通用门 Universal gates定理: {CNOT,all 1-qubit gates}\{\text{CNOT}, \text{all 1-qubit gates}\}{CNOT,all 1-qubit gates} is universalProof sketch3 近似通用门 (Approximate-universal gates)定理 Shi (2002): {CNOT,Rθ=π8,S}\{\text
2022-05-09 20:05:16
1343
原创 量子计算 15 量子电路复杂度
量子计算 15 量子电路复杂度1 量子电路复杂度 (Quantum circuit complexity)定义: UUU的量子电路复杂度C(U)=\mathcal{C}(U)=C(U)=实现UUU电路所需要的最小的量子门数量定理: C(U)=Ω(4n)\mathcal{C}(U)=\Omega(4^n)C(U)=Ω(4n) 对几乎所有的n-qubit UUUProof: Counting argument几乎所有的布尔函数f:{0,1}n→{0,1}f: \{0,1\}^n\rightarrow\{0,1\
2022-05-09 20:04:59
902
原创 量子计算 13 经典通用门 (Classical Universal gates)
量子计算 13 经典通用门 Classical University gates1 经典通用门 (Universal gates)2 可逆通用门什么是可逆门？没有2-bit的通用可逆门Toffoli/CCNOT门 (3-bit 通用可逆门)Fredkin/CSWAP门 (3-bit 通用可逆门)3 UncomputingProof part IProof part II4 可逆运算与加密运算的矛盾？附录：常见门操作上回书说到，想要搭建量子计算机，也就是要涉及量子电路，那应该采取什么样的量子门呢？哪些门能完
2022-05-09 20:04:42
2331
原创 量子计算 16 量子算法1
量子计算 16 量子算法11 The Deutsch-Jozsa AlgorithmProblem: f:{0,1}n→{0,1}f: \{0,1\}^n\rightarrow\{0,1\}f:{0,1}n→{0,1}, Compute f(0)⊕f(1)f(0)\oplus f(1)f(0)⊕f(1), namely XOR.Generalization 1: Compute the parity of N bits, f(0)⊕f(1)⋯⊕f(N−1)f(0)\oplus f(1)\dots \oplu
2022-05-09 10:22:58
654
1
原创 量子计算 17 量子算法2 (量子Simon算法)
量子计算 17 量子算法2-量子Simon算法1 定理: Q(Simon)=O(n)Q(\text{Simon})=O(n)Q(Simon)=O(n), with O(n2)O(n^2)O(n2) quantum gates and O(n3)O(n^3)O(n3) post processing (Simon 1994)2 Simon量子电路上回书我们介绍了两个简单的量子加速算法：计算f(0) XOR f(1)的Deutsch-Jozsa Algorithm；通过函数f(x)=sx(mod2)计算s的B
2022-05-09 10:22:30
1092
原创 量子计算 10 隐变量、贝尔不等式与CHSH
隐变量与贝尔不等式1 隐变量理论1.1 波姆力学(Bohmian Mechanics)1.2 局部隐变量理论2 CHSH 游戏2.1 CHSH规则2.2 经典策略2.3 量子策略2.4 CHSH游戏理解结论书接上回，在 量子计算 9 中我们介绍了理解量子力学的四个不同角度，其实还有另一个截然不同却同样重要的思路，就是量子力学的现象是因为还有另一个维度或者隐含变量(Hidden variable)，然后再尝试用经典的思路去理解，比如说，其实我们的量子叠加态α∣0⟩+β∣1⟩\alpha |0\rangle+
2022-05-09 10:22:10
2717
原创 量子计算 9 量子力学与现实世界
量子力学与现实世界1 哥本哈根诠释 (Copenhagen Interpretation)2 薛定谔的猫和魏格纳的朋友(Schrodinger's Cat and Wigner's Friend)3 动态塌缩 (Dynamical Collapse)3.1 Ghirardi-Rimini-Weber (GRW) Theory3.2 Penrose Theory4 多世界诠释 MWI (The Many-Worlds Interpretation)“平行世界、死而复生…”，这些神奇的观点，在量子力学不同的理
2022-05-09 10:21:49
470
原创 量子计算 8 量子纠缠
量子纠缠1 量子纯态纠缠熵1.1 施密特(Schmidt)分解1.2 **香农熵(Shannon entropy)**1.3 **冯纽曼熵(von Neumann Entropy)**1.4 纠缠熵示例2 量子混合态纠缠判定如何量化量子纠缠是本次的主题，我们主要看纯态(pure state)和混合态(mixed state)两种情况。1 量子纯态纠缠熵假设张三李四的偶量子态(Bipartite Quantum State, BQS)如下所示：∣ψ⟩=∑ijαij∣i⟩A∣j⟩B|\psi\rangl
2022-04-08 13:57:41
3635
原创 量子计算 7 超密编码与量子遥传
密集编码与量子遥传1 密集编码1.1 Holevo's Theorem1.2 密集编码2 量子遥传2.1 量子遥传2.2 量子遥传分析3 小结3 附录: 几个常用门量子会给信息的编码和传输方式带来什么惊喜呢？根据香农的信息论，通过发送nnn个比特，只能传递不超过nnn比特的信息，似乎这是句废话，但是使用量子纠缠，我们好像可以打破这个限制，这就是超密编码要告诉我们的内容，通过发送一个量子比特可以传递两个经典比特的信息。而如何通过经典信息通道传输一个量子比特的技术即量子遥传或量子隐形传态。1 密集编码1.
2022-04-08 13:57:22
1187
原创 量子计算 6 窃听风云BB84
量子计算 6 量子密钥分发1 一次性密码本 (One-time Pad)2 量子密钥分发 BB84 Protocol和量子货币需要一直保持量子相干性(Coherence)不同，本节中的量子密钥分发仅需要在通讯时保持相干性即可。而量子密钥的出现，使得我们可以发现密钥是否被窃听，从而保持最大的保密和安全性。1 一次性密码本 (One-time Pad)在经典密码学中，有一种加密算法，其基本思想是使用共享的随机密钥来加密和解密信息，且该密钥只使用一次：假设张三李四有个共享的密钥k∈{0,1}nk\in
2022-04-03 14:48:49
551
原创 量子计算 5 量子货币
量子计算 5 量子货币1 不可克隆定理 (No-Cloning Theorem)2 量子货币 (Quantum money)1 不可克隆定理 (No-Cloning Theorem)2 量子货币 (Quantum money)
2022-03-27 15:15:36
609
原创 量子计算 3 量子门与测量
量子计算 3 量子门 Quantum gate1 经典门与量子门 (Quantum gate)1.1 单比特门操作1.2 双比特门操作2 测量 (Measurement)2.1 Generalized Born rule2.2 量子芝诺效应 (Quantum zeno effect)2.3 “你看我干啥”效应 (Watched pot effect)3 量子电路 (Quantum circuit)4 门与测量1 经典门与量子门 (Quantum gate)1.1 单比特门操作1.2 双比特门操作2
2022-03-16 14:38:01
2291
1
原创 量子计算 1 三个命题
这是我的个人公众号“熙熙学习笔记”的第一篇推送。因为我是个自律性很差的人，创建这个公众号的目的其实是为了监督自己学习。推送主要是记录一些学习笔记，希望能向朋友圈大佬们学习，希望大家多指出我的错误，一起学习，谢谢大家！我这里量子计算的笔记不涉及到量子力学的研究，主要是讨论如何认识量子计算机和量子计算机上的算法。讨论的对象也基本上就是一个量子比特，所以不用害怕，一点基础都没有也可以看得懂！如果看不懂或者觉得哪里有错请给我发消息或者留言（不知道咋开留言）指教！三个命题及其延伸我们要讨论三个命题，每个命题还有
2022-03-09 14:39:49
990
原创 Online Learning 1: Introduction
Online Learning 1: Introduction1 Assumption2 ProbabilityProbability tripletExpectation and varianceIndependenceConditioning, conditional expectation3 ConcentrationReviewMarkov's inequality (non-negative random variable)Chebyshev’s inequality (arbitrary ran
2021-05-17 03:42:01
388
1
原创 Online Learning 2: Explore-then-Commit ETC and Doubling Trick
Online Learning 2: Explore-then-Commit ETC and Doubling Trick1 Setting (suboptimality gap, time horizon)2 Explore-then-commit (ETC) algorithmAlgorithm: input mmmChoose mmmRegretProofDiscussionQuestions3 Doubling TrickDoubling trickRegretProofDiscussionWhat
2021-05-17 03:41:48
665
原创 Online Learning 3: e-greedy and Elimination algorithm
Online Learning 3: e-greedy and Elimination algorithm1 Setting2 e-greedyAlgorithmChoose eRegretProofDisscussion1 Setting2 e-greedyAlgorithmChoose eRegretProofDisscussion
2021-05-17 03:41:30
253
原创 Online Learning 4: Upper Confidence Bound (UCB) algorithm
Online Learning 4: Upper Confidence Bound [UCB] algorithm1 Introduction1.1 Key features1.2 Anytime concentration1.3 UCB intuition2 UCB algorithm***The Upper Confidence Bound Algorithm (book)***2.1 Settings2.2 Algorithm2.3 Regret3 KL-UCB Bernoulli3.1 KL-div
2021-05-17 03:41:16
485
原创 Online Learning 5: Exp3 algorithm (adversarial setting)
Online Learning 5: Exp3 algorithm, adversarial setting1 Adversarial setting1.1 Stochastic setting1.2 Adversarial setting1.3 Regret2 Exp3 (exponential weighting algorithm for exploration and exploitation) algorithm2.1 Intuition2.2 Algorithm2.3 Regret1 Adve
2021-05-17 03:40:59
350
原创 Online Learning 6: Experts, Least squares
Online Learning 6: Experts, Least squares1 Setting1.1 Player, adversity, experts1.2 Adversarial setting1.3 Regret2 Exp4 (exponential weighting algorithm for exploration and exploitation with experts) algorithm2.1 Algorithm2.2 Regret1 Setting1.1 Player, a
2021-05-17 03:40:14
178
原创 Online Learning 7: Linear Bandits
Online Learning 7: Linear Bandits1 Setting (linear contextual bandits)1.1 Setting1.2 ModelFeature mapModel1.3 Regret2 Linear UCB2.1 Algorithm2.2 Regret1 Setting (linear contextual bandits)1.1 Setting1.2 ModelFeature mapMap the context and arm to so
2021-05-17 03:39:59
488
原创 Online Learning 8: Pure Explore Algorithms
Online Learning 8: Pure Explore Algorithms1 Settings1.1 Some scenarios1.2 Settings1.3 How to choose algorithms1.4 Simple Regret2 Uniform explore2.1 Algorithm2.2 RegretFixed 1-subgaussian k-arm environment εSGk(1)\varepsilon_{SG}^k(1)εSGk(1)Worst case boun
2021-05-17 03:39:43
82
原创 Online Learning 9: Bayesian, Thompson Sampling
Online Learning 9: Bayesian, Thompson Sampling1 Setting2 Bayesian algorithms1.1 Bayesian bandit environment1.2 Posterior1.3 Bayesian regretFrequentist / environment-dependent regretBayesian regret, Average over environments w.r.t. prior Q3 Thompson Samplin
2021-05-17 03:39:28
243
原创 Algorithms - Lecture 12 - Randomized Algorithms
Lecture 12: Randomized Algorithms1 Linearity of Expectation1.1 Expectation E(x)=∑xxP(x)E(x)=\sum_x xP(x)E(x)=∑xxP(x)1.2 E(X+Y)=E(X)+E(Y)E(X+Y)=E(X)+E(Y)E(X+Y)=E(X)+E(Y) for all X,YX, YX,Y1.3 Ex 1, Expected waiting time for heads1.4 Ex 2, A coupon collect
2021-03-08 10:37:50
231
原创 Algorithms - Lecture 11 - Linear Programming
Lecture 11: Linear Programming1 Maximum Flow LP1.1 Primal1.2 Dual2 Complementary Slackness3 Minimum-Cost Perfect Matching LP3.1 Primal3.2 Dual1 Maximum Flow LP1.1 PrimalMaximize ∑(s,v)∈Ex(s,v)−∑(v,s)∈Ex(v,s)\sum_{(s,v)\in E}x_{(s,v)}-\sum_{(v,s)\in E}x_
2021-03-08 10:37:37
157
原创 Algorithms - Lecture 10 - Minimum cost perfect matching
Lecture 10: Minimum cost perfect matching1 Definition2 Algorithm2.1 Residual graphDefinition of residual graph GMG_MGMAugmenting paths - Simple directed paths in GMG_MGM2.2 Alternating cyclesSimple directed cycles in GMG_MGM - Alternating cycles in GGGC
2021-03-08 10:37:15
195
原创 Algorithms - Lecture 9 - Ford-Fulkerson Analysis & Edmonds-Karp Algorithm
Lecture 9: Push-Relabel Maximum Flow Algorithms1 PreflowsDefinition of preflowsResidual network with respect to a preflow2 Height functions3 Configuration (f,h), L1 no residual path s→ts\rightarrow ts→t4 Generic Push-Relabel algorithm4.1 Initial configurat
2021-03-08 10:35:50
122
原创 Algorithms - Lecture 8 - Ford-Fulkerson Analysis & Edmonds-Karp Algorithm
Lecture 8: Ford-Fulkerson Analysis & Edmonds-Karp Algorithm1 Complexity of the Ford-Fulkerson Algorithm2 Edmonds-Karp Maximum Flow Algorithm2.1 High-level idea, (bottleneck)2.2 Bottleneck lemma3 Max-Flow Min-cut theorem1 Complexity of the Ford-Fulkers
2021-03-08 10:33:46
124
原创 Optimization Week 7: Convex programming and duality
Week 7: Convex programming and dualityStrong dualityStrong dualityAny convex opt problem satisfying slator’s condition (∃\exist∃ a strictly feasible point) has strong duality.
2021-02-10 11:23:30
199
2
原创 Optimization Week 11: Constrained descent, Coordinate descent, Subgradient
Week 11: Constrained descent, Coordinate descent, Subgradient1 Constrained descent1.1 Projected gradient descent (PGD)***Problem******Algorithm******Convergence***1.2 Frank Wolfe method***Algorithm******Convergence***Examples2 Coordinate descent2.1 Will it
2021-01-21 14:11:42
99
原创 Optimization Week 12: Proximal gradient method and newton method
Week 12: Proximal gradient method and newton method1 Proximal gradient method1.1 Motivation1.2 Idea of proximal gradient1.3 Proximal gradient1.4 Convergence1.5 Examples2 Newton method (Second order method)2.1 Motivation2.2 Idea of Newton method2.3 Newton m
2021-01-21 14:11:14
254
原创 Optimization Week 9: Convex conjugate (Fenchel Conjugate)
Week 9: Convex conjugate, Fenchel Conjugate1 Definition2 PropertiesSum of conjugateDecompose conjugateDouble conjugateConvex original3 Examples-todoEvery function has something known as the convex conjugate, or differential conjugate. And, this is a very
2021-01-21 14:06:26
379
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人