arXiv · quant-ph· Andres Arcia-Lopez, Marek Gluza, Yudai Suzuki, Cyrus Mostajeran·· 6 小时前
量子兼容的Riemannian共轭梯度用于基态制备
Quantum-compatible Riemannian conjugate gradient for ground-state preparation
arXiv:2610.21782v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Andres Arcia-Lopez, Marek Gluza, Yudai Suzuki, Cyrus Mostajeran
研究任务与主要进展
作者提出量子共轭梯度下降QCGD，将Riemannian共轭梯度方法用于量子基态制备，并保留此前搜索方向的信息。基于论文摘要的数值实验中，QCGD每次迭代的收敛速度高于DB-QITE；但其单步电路深度更大，且该方法可能因迭代数对应的深度增长而在早期容错阶段具有优势，实际效果仍取决于完整资源与基线比较。
阶段、条件与复现 · 深读核对
- 任务输出与输入访问模型是什么？
- 在什么假设、规模与资源条件下成立？
- 与哪种经典基线比较，是否计入编码与读出？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · quant-ph · arxiv.org