BriefGPT - AI 论文速递 · 2024-11-05T00:00:00Z Effective Hamiltonian, Structure, and Trace Distance Learning of Gaussian States 💡 原文英文，约100词，阅读约需1分钟。 📝 内容提要 本研究提出了一种有效的协议，用于学习正温度玻色高斯态的哈密顿量，优化了样本和计算复杂性。结果表明，该方法在实验上可行，样本复杂性以对数级增长，推动了量子哈密顿量学习。 🏷️ 标签 哈密顿量 实验可行性 样本复杂性 玻色高斯态 量子学习 阅读原文 生成长图 分享链接 已复制链接
