BriefGPT - AI 论文速递
·
Learning $k$-body Hamiltonians via Compressed Sensing
💡
原文英文，约100词，阅读约需1分钟。
📝
内容提要
本研究探讨了学习具有$M$个未知保利项的$k$-体哈密顿量的问题，提出了一种非自适应协议，能够以精度$ heta$学习哈密顿量，并在多项式时间内表现优越，不依赖几何局部性条件。
🎯
关键要点
-
本研究探讨了学习具有$M$个未知保利项的$k$-体哈密顿量的问题。
-
提出了一种非自适应协议，该协议能够以精度$ heta$学习哈密顿量。
-
该协议在多项式时间内表现优越，不依赖几何局部性条件。
-
学习哈密顿量的总演化时间为${ extmath{O}}(M^{1/2+1/p}/ heta)$，并且误差通过$ ext{l}^p$距离量化。
➡️
