这周开始了正常的学习生活。

 

这周在科研方面主要看了两篇论文，一篇是讲量子卷积的，主要是讨论在图像处理上的量子算法。

而其使用了一种叫QADC的技术，将振幅信息转换为了经典数据进行储存，如下：

其参考的论文我将作为附件上传，我感觉是一篇很厉害的文章。

其主要完成了上图的工作，其中d_j是一串01串，也就是上面Lemma3中的r_j

其基本思路是将振幅信息通过swap test转化为了测得辅助量子比特|B⟩ 为0的概率。而后根据|B⟩ ，划分出两类向量，在此基础上构建出两个新的特征向量。

此时我们就可以对这两个特征向量的结果做相位估计，得到θ的值，而θ的值是与r_j 的值有关的，这使得我们可以根据θ推出振幅信息的近似。

我认为这篇文章工作的最大意义在于其解放了振幅信息的限制，以往要求振幅信息往往需要将其转换为特征向量的形式用相位估计算法来完成，但这篇文章可以对任意振幅信息进行离散化，抽取出来并储存。

参考这个算法在前面的图像量子卷积上的应用，实际上这个算法完成了矩阵的多核计算，虽然我暂时摸不清与传统多核相比其优势在哪。

另外就是我暂时在数学推导上没摸清

其中α_k是测得0的概率，r_k满足下式