XiaoMi-AI文件搜索系统
World File Search System近似
量子博弈论与近似量子纳什均衡的复杂性
比经典玩家有优势。随后，研究人员分析了许多其他量子博弈的例子，这些例子主要基于Meyer 和Eisert、Wilkens 和Lewenstein 提出的框架。（例如，请参阅综述 [ GZK08 ] 的摘要和参考资料。）这项工作的某些方面因多种原因而受到批评。许多（但肯定不是全部）量子博弈论论文受到的一个共同批评点是它们对经典行为的概念动机不强。具体而言，量子博弈论论文中的经典玩家通常仅限于标准基态的相干排列，或同样受限制的幺正运算类，而量子玩家可以使用一组受限制较少的幺正运算，甚至可能是所有幺正运算。这种经典性概念是Meyer 和Eisert、Wilkens 和Lewenstein 原始例子中的关键要素，它本质上邀请量子玩家加以利用。量子信息论中对经典行为的更标准解释是假设经典玩家操纵的任何量子系统都是完全退相干的。van Enk 和 Pike [ vEP02 ] 提出的另一个批评观点是，在量子博弈论论文通常采用的特定框架内比较量子游戏与经典游戏就像比较苹果和橘子。尽管有人可能会说，当玩家的行为被限制在标准基态的排列中时，这些游戏提供了经典游戏的忠实表示，但它们的量子重构简单地说就是不同的游戏。因此，限制较少的量子玩家可能会找到优势，从而导致新的纳什均衡等等，这并不奇怪。然而，尽管这不是他们的主要关注点，但 Meyer 和 Eisert、Wilkens 和 Lewenstein 都清楚地提出了更一般的量子游戏定义，其中可以考虑广泛的相互作用，包括刚刚提出的批评不再相关的相互作用。尤其是，Meyer 提到了他的量子博弈模型的凸形式，其中经典玩家可以通过完全退相干操作建模。而 Eisert、Wilkens 和 Lewenstein 在其论文的脚注中描述了一个模型，其中玩家的行为不仅对应于幺正操作，还对应于任意量子信道（由完全正和迹保持线性映射建模）。无论哪种情况，都可以考虑更一般的战略互动，而不必将注意力局限于经典博弈的类似物或识别“量子优势”。例如，各种量子交互式证明系统以及许多量子加密场景和原语都可以被视为量子博弈。另一个例子是量子通信，可以将其建模为一个玩家试图将量子态传输给另一个玩家的游戏，而代表对抗性噪声模型的第三个玩家则试图破坏传输。我们在本文中不提供任何具体建议，但想象可以发现具有社会或经济应用的量子游戏并非不合理。现在我们将总结我们采用的量子游戏的定义，从相对简单的非交互式设置开始，然后转向更一般的
量子近似计数，具有非适应性的Grover迭代
引理10的算法完全按照定义4和事实5中所述的构建；有一个初始的非适应性量子零件，上面有固定的格罗弗时间表（我们稍后将定义），最后一个经典的后处理步骤，该步骤使用量子部分的结果来估计θ∗。在说出算法的量子部分中的关键思想之前，我们提到了Aaronson和Rall的“旋转引理” [1，LEM。2]。可以大致说明该引理的主要思想如下：鉴于θ∗在某个范围内[θmin，θmin + ∆θ]，我们可以选择r = o（1 /（θ·∆θ））的奇数整数值，这样rθmin就接近2πk和r（θmin +2π / + 2θ）2×2×2× + ∆ + ∆ + ∆ + ∆ + ∆ + ∆。如果θ接近θmin，则p（r）将接近0（如果接近θmin + ∆θ，则将接近1）。Aaronson和Rall使用此引理来不断收缩θ∗可能在每次迭代处由几何因素所处的可能范围，直到范围为1±ϵ。我们将采用类似的想法来找到一个有效的Grover计划，该计划可以以很高的概率区分任何两个候选角度；我们通过放松一个角度的状况接近2πk，而另一个角度在距离π/ 2处，我们做到这一点。相反，我们在Grover计划中选择了序列R，以便对于任何一对值θ1和θ2，有一些r∈R使得rθ1和rθ2差异大约π/ 8，并且也是“相同的象限”（含义相同的间隔[0，π div> div> div> div> div> div> div> div> div> div> div>> div>> div> div>
经验光谱投影仪的定量限制定理和引导程序近似
（在非进攻顺序中）和（u J）的正征值的顺序是特征向量的相应正交系统，该问题的解决方案由光谱投影仪P J = J =J∈Ju J j u j u j和Index Set j给出。在统计应用中，X的分布及其协方差结构尚不清楚。相反，人们经常观察样本x 1，。。。，x的n独立副本的x n，现在的问题是要找到p j的估计器。PCA的想法是通过第一次通过经验协方差操作员估算的问题来解决这个问题2.2.1，用于精确定义）。因此，一个关键问题是控制和量化P J和P J之间的距离。在过去的几十年中，围绕这个问题的大量文献已经发展，例如Fan等。 [13]，Johnstoneand Paul [24]，Horváth和Kokoszka [18]，Scholkopf和Smola [45]，Jolliffe [23] [23]进行一些概述。 一种研究ˆ P J和P J之间距离的传统方法是控制一项规范，以测量经验协方差算子和人口协方差操作员之间的距离。 一旦建立了这种情况，就可以通过诸如戴维斯 - 卡汉（Davis -Kahan）不平等之类的不平等现象来推导ˆ p j -p j的界限，例如，请参见hsing and eubank [16]，Yu等。 [52]，以及Cai和Zhang [9]，Jirak和Wahl [25]，以获取一些最新结果和扩展。 [30]。 但是，如Naumov等人所述。Fan等。[13]，Johnstoneand Paul [24]，Horváth和Kokoszka [18]，Scholkopf和Smola [45]，Jolliffe [23] [23]进行一些概述。一种研究ˆ P J和P J之间距离的传统方法是控制一项规范，以测量经验协方差算子和人口协方差操作员之间的距离。一旦建立了这种情况，就可以通过诸如戴维斯 - 卡汉（Davis -Kahan）不平等之类的不平等现象来推导ˆ p j -p j的界限，例如，请参见hsing and eubank [16]，Yu等。[52]，以及Cai和Zhang [9]，Jirak和Wahl [25]，以获取一些最新结果和扩展。[30]。但是，如Naumov等人所述。但是，如Naumov等人所述。然而，对于更精确的统计分析，诸如限制定理或引导程序近似之类的爆发结果更为可取。Koltchinskii和Lounici [27]，Koltchinskii和Lounici [28，29]（及相关）的最新作品在这里特别感兴趣。除其他外，它们提供了预期的平方hilbert – schmidt距离e∥ˆ p j-p j-p j∥22和berry – esseen类型界限的分布分布近似值的精确的，非反对分析的分布分析。在Löfliper[32]，Koltchinskii [31]，Koltchinskii等人中讨论了一些扩展问题和相关问题。[39]，这些结果有一些局限性，并且自举近似可能更可取和灵活。再次，在纯粹的高斯设置中，Naumov等人。[39]成功地展示了一个自举程序，并带有伴随的界限，以减轻某些问题以限制出于推论目的而限制分布。让我们指出，从数学角度来看，Koltchinskii和Lounici [29]和Naumov等人的结果。[39]有些互补。更确切地说，在Naumov等人中，定理2.1的引导程序近似的结合。[39]失败（意味着它仅产生琐碎的性），而Koltchinskii和lounici的定理6中的绑定[29]却没有，反之亦然，请参见Sect。5进行一些示例和进一步的讨论。[7]，Yao和Lopes [51]，Lopes等。[33]，江和拜[20]，刘等。[34]。也广泛研究了特征值和相关数量的极限定理和引导近似值的主题，例如，请参见Cai等人。这项工作的目的是为两个分布提供定量界限（例如clts）和bootstrap近似，在矩和光谱衰减方面，情况相对温和。关于后者，我们的结果表现出一种不变性，在很大程度上不受多项式，指数（甚至更快）衰减的影响。
量子游戏理论和近似量子nash平衡的复杂性
游戏理论是与计算机科学，经济学和社会科学以及其他学科的联系的有趣的研究主题。本文重点介绍了量子信息和组合背景下游戏理论的复杂性理论方面。量子游戏理论始于David Meyer [1]和Jens Eisert，Martin Wilkens和Maciej Lewenstein [2]的工作。1这些作品调查了涉及量子信息的游戏，突出了量子玩家比古典玩家具有优势的示例。随后分析了许多其他量子游戏示例，主要基于Meyer和Eisert，Wilkens和Lewenstein提出的框架。（例如，请参见有关摘要和参考的调查[6]。）这一工作的各个方面因多种原因而受到批评。对许多（但并非全部）量子游戏理论论文的批评的共同点是他们对经典行为的动机概念。尤其是，量子游戏理论论文中的古典参与者通常仅限于标准基础状态的连贯排列，或者是统一操作的类似限制类别，而量子播放器可以访问一组较少受限的单一操作集，可能是所有操作。这种古典性的概念，这是Meyer和Eisert，Wilkens和Lewenstein的原始例子中的关键要素，本质上邀请了量子玩家的剥削。量子信息理论中对clase行为的更标准的解释假定经典播放器操纵的任何量子系统的完全反应性。
在深层生成模型上，用于近似和估计歧管上的分布
生成网络在分销学习方面取得了巨大的经验成功。许多现有的实验表明，生成网络可以从低维易于样本分布中生成高维的复杂数据。但是，现有的现象不能被现有理论所构成。广泛持有的歧管假设推测，自然图像和信号等现实世界数据集表现出低维几何结构。在本文中，我们通过假设数据分布在低维歧管上支持数据分布来考虑这样的低维数据结构。我们证明了Wasserstein-1损失下的生成网络的统计保证。我们表明，Wasserstein-1损失取决于固有维度而不是环境数据维度，以快速的速率收敛至零。我们的理论利用了数据集中的低维几何结构，并认为生成网络的实际力量。我们不需要对数据分布的平稳性假设，这在实践中是可取的。
具有电动动力学的锂离子电池模型预测控制的基于神经网络的近似
摘要 - 锂离子电池是复杂的系统，需要合适的管理策略才能正常工作，实现快速充电，减轻老化机制并确保安全。在不同的基于模型的充电策略中，使用预测控制已显示出令人鼓舞的结果，因为它可以处理受安全限制的非线性系统。然而，尽管文献中已经提出了许多实施，但很少关注其实际可行性，这受到在线所需的高计算成本的限制。在本文中，我们首次在电池字段中利用了通过使用深神经网络获得的预测控制的近似。提议的解决方案适用于实时电池充电，因为大多数计算负担都脱机解决。结果突出了提出的方法在近似标准模型预测控制解决方案中的有效性。
贝叶斯网络结构学习的量子近似优化算法
贝叶斯网络结构学习是一个 NP 难问题，近几十年来许多传统方法都面临着这一问题。目前，量子技术提供了广泛的优势，可用于解决使用传统计算方法无法有效解决的优化任务。在这项工作中，一种特定类型的变分量子算法，即量子近似优化算法，用于解决贝叶斯网络结构学习问题，采用 3 n (n − 1) / 2 量子比特，其中 n 是要学习的贝叶斯网络中的节点数。我们的结果表明，量子近似优化算法方法可提供与最先进方法相媲美的结果，并且对量子噪声具有定量的弹性。该方法被应用于癌症基准问题，结果证明了使用变分量子算法来解决贝叶斯网络结构学习问题的合理性。
贝叶斯网络结构学习的量子近似优化算法
摘要 贝叶斯网络结构学习是一个 NP 难问题，近几十年来许多传统方法都面临着这一问题。目前，量子技术提供了广泛的优势，可用于解决使用传统计算方法无法有效解决的优化任务。在本文中，一种特定类型的变分量子算法，即量子近似优化算法，用于解决贝叶斯网络结构学习问题，采用 3 n (n − 1)/ 2 量子比特，其中 n 是要学习的贝叶斯网络中的节点数。我们的结果表明，量子近似优化算法方法可提供与最先进方法相媲美的结果，并且对量子噪声具有定量的弹性。该方法被应用于癌症基准问题，结果证明了使用变分量子算法解决贝叶斯网络结构学习问题的合理性。
马尔可夫链不变分布的定量近似。一种新方法
在本文中，我们在可测量的状态空间（x，x）上处理一个Markov链，该链具有一个过渡内核P，允许一些小型s∈X，也就是说，对于任何x∈X，a∈X，对于p（x，a）≥ν（x，a）≥ν（x，a）1 s（x）1 s（x）。在这种情况下，我们提出了在（x，x）上的p- invariant概率度量π的建设性表征，使得π（1 s）>0。当存在这样的π时，仅根据ν，p和s的有限线性组合，在加权或标准的总变化规范中近似。接下来，使用标准漂移型条件，我们提供近似的几何/子几何收敛界限。这些界限是完全明确的，并且尽可能简单。收敛速率是准确的，在原子情况下它们是最佳的。请注意，还讨论了在[HL20B]中引入的有限级分配子不能进行近似P的收敛速率。这是一种近似π的新方法，因为它不是基于p对π的迭代的收敛性。因此，我们不需要任何疗效条件。此外，证明是直接的。他们在非原子案例中既不使用分裂链，也不使用续签理论，耦合方法，也不使用光谱理论。从某种意义上说，这种具有小型马尔可夫链的方法是独立的。
单个国家CGE模型中近似贸易效应条款
▶2020年，美国EPA的科学顾问委员会建议EPA放宽其Sage CGE模型中的SOE假设，并将美国代表美国为大型开放经济，并指出：“ ...这样做将有助于确保该模型能够捕获对交易商品的监管影响。” （SAB，2020）。▶研究发现，捕获世界其他价格响应能力可能是国内政策分析的重要福利渠道（Bohringer等，2021； Bohringer和Rutherford，2002）。▶有限的关于进出口需求和进口供应价格弹性的经验证据，可以很容易地适应多部门单个国家CGE模型。