量子科技中心_量科网

独立随机变量加权和的特征函数在量化张量链（QTT）表示（亦称矩阵积态MPS）中呈现低秩结构，这使得其完全非高斯概率分布可实现指数级压缩。在变量独立条件下，全局特征函数可分解为局部项的乘积。其低秩QTT结构的形成机制为：连续模型中源于固有频谱平滑性，离散模型中则随分量数D增加产生频谱能量集中现象。该研究团队以伯努利随机变量和对数正态随机变量的加权和为例进行验证。前者虽然在小D区域（D≈300分量时）存在对抗性不可压缩特性，但特征函数会出现急剧的键维数坍塌，从而实现多对数时间与内存复杂度。后者在标准硬件上实现了N=2^30频率模式的高分辨率离散化，远超稠密实现方案N=2^24的上限。这些压缩表征使得风险价值（VaR）和预期缺口（ES）的高效计算成为可能，为量化金融等领域提供了技术支持。