量子科技中心_量科网

受量子启发的算法通过在传统硬件上使用张量网络执行量子算法，可实现对经典最优方法的显著加速。与局限于酉门的电路模型不同，张量网络天然适用于非酉映射。这种灵活性使该研究团队能够设计出从量子算法结构出发，又能突破酉性限制以实现加速的量子启发方法。本文提出了一种张量网络方法用于计算离散拉普拉斯变换——一种与傅里叶变换不同、具有非酉性和非周期性的变换。该工作将长度为N的信号编码在两个配对的n量子比特寄存器上，并将整体映射分解为：先进行非酉指数阻尼变换，再进行量子傅里叶变换，两者被压缩为单个矩阵乘积算子。这种分解方式允许强MPO压缩至低键维度，从而实现显著加速。实验演示了处理高达N=2^30个输入数据点（对应高达2^60个输出数据点）的模拟，并量化了键维度如何控制运行时间和精度，包括实现精确高效的极点识别。