這周開始了正常的學(xué)習(xí)生活。

這周在科研方面主要看了兩篇論文，一篇是講量子卷積的，主要是討論在圖像處理上的量子算法。

而其使用了一種叫QADC的技術(shù)，將振幅信息轉(zhuǎn)換為了經(jīng)典數(shù)據(jù)進(jìn)行儲存，如下：

其參考的論文我將作為附件上傳，我感覺是一篇很厲害的文章。

其主要完成了上圖的工作，其中d_j是一串01串，也就是上面Lemma3中的r_j

其基本思路是將振幅信息通過swap test轉(zhuǎn)化為了測得輔助量子比特|B? 為0的概率。而后根據(jù)|B? ，劃分出兩類向量，在此基礎(chǔ)上構(gòu)建出兩個新的特征向量。

此時我們就可以對這兩個特征向量的結(jié)果做相位估計，得到θ的值，而θ的值是與r_j 的值有關(guān)的，這使得我們可以根據(jù)θ推出振幅信息的近似。

我認(rèn)為這篇文章工作的最大意義在于其解放了振幅信息的限制，以往要求振幅信息往往需要將其轉(zhuǎn)換為特征向量的形式用相位估計算法來完成，但這篇文章可以對任意振幅信息進(jìn)行離散化，抽取出來并儲存。

參考這個算法在前面的圖像量子卷積上的應(yīng)用，實際上這個算法完成了矩陣的多核計算，雖然我暫時摸不清與傳統(tǒng)多核相比其優(yōu)勢在哪。

另外就是我暫時在數(shù)學(xué)推導(dǎo)上沒摸清

其中α_k是測得0的概率，r_k滿足下式