量子科技中心_量科网

量子态制备（QSP）是量子计算与量子信息处理中的基础性任务，对包括量子机器学习在内的诸多量子算法执行至关重要。该研究团队提出了一系列高效QSP算法，可适配不同辅助量子比特资源——从无辅助比特、单辅助比特到充足数量辅助比特的多种场景。这些算法基于与既有QSP方法存在本质差异的新型决策图体系，通过局部可逆映射张量决策图（LimTDDs）实现量子态的高度紧凑表示——该技术融合张量网络与决策图的优势，能显著降低量子电路复杂度。大量实验表明，该团队方法在运行时间和门复杂度方面均大幅超越现有方案，且在大规模量子态处理时展现更优可扩展性；最佳情况下更可实现指数级性能提升。本文作为文献[1]的扩展版本，新增提出了三种算法方案。