关于经典变量、对易与量子版本洛瓦兹局部引理的研究

洛瓦兹局部引理,也简称局部引理,是组合数学和概率论中一种强有力的工 具,它可以用来证明,当一系列“坏事件”满足一定的概率约束和“弱相关”约束 时,可以同时避开所有的坏事件。在最近十年,局部引理因为算法化方面的工作 以及向量子领域的扩展,又重新得到了理论计算机界的大量关注。目前领域内存 在着不同版本的局部引理,主要有抽象版本,变量版本,对易版本和量子版本。这些局部引理有各自的应用。抽象版本局部引理是最经典的局部引理,Shearer 首先给出了抽象版本局部引理的紧的条件。变量版本局部引理假设事件由一系 列独立的随机变量决定,尽管变量版本局部引理涵盖了局部引理的绝大多数应 用,但人们对变量版本局部引理的紧的条件却知之甚少。2009 年,Ambainis 等 人引入了量子版本局部引理,该引理是研究量子可满足性问题的强有力工具。量 子版本局部引理的紧的条件也是未知的。还有人研究对易版本局部引理,相关研 究主要集中在对易版本局部引理的算法化上,目前还没有对其紧的条件的研究。

第一,我们从数学上刻画了变量版本局部引理紧的条件,并证明了变量版本 局部引理同抽象版本是不同的,解决了 Szegedy 提出的开放问题。基于该条件, 我们得到了两类很重要的事件-变量图,即树和圈的边界刻画,这是变量版本局 部引理的边界首次在某类非平凡的二部图上被刻画清楚。我们还给出了变量版 本局部引理同抽象版本有差异的充分必要条件。基于这一条件,我们得到了很多 变量版本与抽象版本有差异与无差异的例子。

第二,我们证明了 Shearer 条件对量子版本局部引理是紧的,即最小的未被 覆盖的子空间的相对维度完全由独立集多项式刻画。从而解决了 Sattath 等人的 猜想,证明了 Gilyen 和 Sattath 的算法是紧的,同时还揭示了在 qudit 维度足够大 时几乎所有局域哈密尔顿量的量子可满足性问题都由晶格气模型的配分函数刻画。

第三,我们证明了对易版本局部引理同量子版本(或抽象版本)是不同的。同时,我们还给出了在给定 qudit 维数的情况下,树的对易版本局部引理紧的条 件。该结果意味着,对于对易的局域哈密尔顿量,原则上可以设计出在 Shearer 界之外依然高效的算法。

成为VIP会员查看完整内容
3

相关内容

博士论文是由攻读博士学位的研究生所撰写的学术论文。它要求作者在博士生导师的指导下,选择自己能够把握和驾驭的潜在的研究方向,开辟新的研究领域。由此可见,这就对作者提出了较高要求,它要求作者必须在本学科的专业领域具备大量的理论知识,并对所学专业的理论知识有相当深入的理解和思考,同时还要具有相当水平的独立科学研究能力,能够为在学科领域提出独创性的见解和有价值的科研成果。因而,较之学士论文、硕士论文,博士论文具有更高的学术价值,对学科的发展具有重要的推动作用。
专知会员服务
38+阅读 · 2020年12月22日
【布朗大学David Abel博士论文】强化学习抽象理论,297页pdf
专知会员服务
75+阅读 · 2020年12月7日
专知会员服务
143+阅读 · 2020年12月3日
【牛津大学博士论文】解释深度神经网络,134页pdf
专知会员服务
220+阅读 · 2020年10月8日
2019必读的十大深度强化学习论文
专知会员服务
59+阅读 · 2020年1月16日
模型压缩 | 知识蒸馏经典解读
AINLP
10+阅读 · 2020年5月31日
NAACL 2019最佳论文:量子概率驱动的神经网络
PaperWeekly
14+阅读 · 2019年6月10日
解读 | 得见的高斯过程
机器学习算法与Python学习
14+阅读 · 2019年2月13日
看得见的高斯过程:这是一份直观的入门解读
机器之心
9+阅读 · 2019年2月11日
深度学习线性代数简明教程
论智
11+阅读 · 2018年5月30日
零基础概率论入门:最大似然估计
论智
12+阅读 · 2018年1月18日
Arxiv
0+阅读 · 2021年2月12日
Implicit Maximum Likelihood Estimation
Arxiv
7+阅读 · 2018年9月24日
Arxiv
11+阅读 · 2018年4月25日
Arxiv
4+阅读 · 2018年4月9日
VIP会员
相关VIP内容
专知会员服务
38+阅读 · 2020年12月22日
【布朗大学David Abel博士论文】强化学习抽象理论,297页pdf
专知会员服务
75+阅读 · 2020年12月7日
专知会员服务
143+阅读 · 2020年12月3日
【牛津大学博士论文】解释深度神经网络,134页pdf
专知会员服务
220+阅读 · 2020年10月8日
2019必读的十大深度强化学习论文
专知会员服务
59+阅读 · 2020年1月16日
相关资讯
模型压缩 | 知识蒸馏经典解读
AINLP
10+阅读 · 2020年5月31日
NAACL 2019最佳论文:量子概率驱动的神经网络
PaperWeekly
14+阅读 · 2019年6月10日
解读 | 得见的高斯过程
机器学习算法与Python学习
14+阅读 · 2019年2月13日
看得见的高斯过程:这是一份直观的入门解读
机器之心
9+阅读 · 2019年2月11日
深度学习线性代数简明教程
论智
11+阅读 · 2018年5月30日
零基础概率论入门:最大似然估计
论智
12+阅读 · 2018年1月18日
相关论文
微信扫码咨询专知VIP会员