量子科技中心_量科网

该研究团队针对具有恒定嵌套层级的重复嵌套期望（RNEs）估计问题展开量子计算研究。研究人员提出了一种量子算法，在忽略对数因子的情况下能以Õ(ε−1)的计算成本实现ε误差。标准下界证明该缩放率本质上是理论最优的，相比最佳经典算法实现了近乎二次方的加速效果。这项成果将先前单层嵌套期望的量子加速优势扩展到重复嵌套场景，从而覆盖了包括最优停止问题在内的更广泛应用领域。此项扩展需要研发经典随机化多层蒙特卡洛（rMLMC）算法的新型去随机化变体——通过精心设计的去随机化处理，成功解决了经典随机算法量子化版本常见的可变时间问题。