วิทยาศาสตร์คอมพิวเตอร์เชิงทฤษฎี

คำถาม & คำตอบสำหรับนักวิทยาศาสตร์คอมพิวเตอร์เชิงทฤษฎีและนักวิจัยในสาขาที่เกี่ยวข้อง

3
ปัญหานอก P ที่ไม่ใช่ P-hard
ในขณะที่อ่านคำตอบของ Peter Shorและคำถามก่อนหน้านี้โดย Adam Crumeฉันรู้ว่าฉันมีความเข้าใจผิดเกี่ยวกับความหมายของยากPP\mathsf{P} ปัญหาคือยากถ้าปัญหาใด ๆ ในสามารถลดได้ด้วย (หรือถ้าคุณต้องการลดการ ) ปัญหาอยู่นอกหากไม่มีอัลกอริธึมเวลาพหุนามเพื่อแก้ปัญหา ซึ่งหมายความว่าควรมีปัญหาที่อยู่นอกแต่ไม่ใช่ยาก ถ้าเราเข้าใจว่าปัจจัยอยู่นอกคำตอบของ Peter Shor แสดงให้เห็นว่าปัจจัยที่อาจเป็นปัญหาดังกล่าวPP\mathsf{P}PP\mathsf{P}LL\mathsf{L}NCยังไม่มีข้อความC\mathsf{NC}PP\mathsf{P}PP\mathsf{P}PP\mathsf{P}PP\mathsf{P} มีปัญหาใด ๆ ที่ทราบ (ธรรมชาติหรือของเทียม) ที่รู้กันว่าอยู่นอกแต่ไม่ใช่ -hard? ภายใต้สมมติฐานที่อ่อนแอกว่าสมมติฐานแฟคตอริ่งคืออะไร มีชื่อสำหรับคลาสความซับซ้อนนี้หรือไม่?PP\mathsf{P}PP\mathsf{P}

2
หลักการ Minimax ของ Yao ในอัลกอริทึม Monte Carlo
หลักการ Minimax ของ Yao ที่โด่งดังกล่าวถึงความสัมพันธ์ระหว่างความซับซ้อนในการแจกแจงและความซับซ้อนแบบสุ่ม Letจะมีปัญหากับขอบเขตของปัจจัยการผลิตและชุด จำกัดขั้นตอนวิธีการที่กำหนดในการแก้Pนอกจากนี้ยังให้หมายถึงการกระจายการป้อนข้อมูลและให้หมายถึงการกระจายความน่าจะเป็นใน{A} จากนั้นหลักการฯ PPPXX\mathcal{X}AA\mathcal{A}PPPDD\mathcal{D}RR\mathcal{R}AA\mathcal{A}minA∈AEcost(A,D)≤maxx∈XEcost(R,x)for all D and R.minA∈AEcost(A,D)≤maxx∈XEcost(R,x)for all D and R.\min_{A\in\mathcal{A}}\quad\mathbb{E} cost(A,\mathcal{D}) \leq \max_{x\in\mathcal{X}}\quad\mathbb{E} cost(\mathcal{R},x) \quad\quad\text{for all $\mathcal{D}$ and $\mathcal{R}$}. หลักฐานนี้โดยตรงจากทฤษฎีบท minimax ของ von Neumann สำหรับเกม zero-sum ส่วนใหญ่เป็นข้อเสนอหลักการยาวกับลาสเวกัขั้นตอนวิธีการเพียง แต่มันสามารถทั่วไปที่จะอัลกอริทึม Monte Carloดังต่อไปนี้ ที่cost_ \ epsilon (\ cdot \ cdot)หมายถึงค่าใช้จ่ายของอัลกอริทึมที่ Monte Carlo errs ความน่าจะเป็นที่ที่สุด\ epsilon12minA∈AEcost2ϵ(A,D)≤maxx∈XEcostϵ(R,x)for all …

2
ความสัมพันธ์ระหว่างความแข็งของการรับรู้ของคลาสกราฟและการระบุลักษณะกราฟย่อยที่ต้องห้าม
ฉันกำลังพิจารณาชั้นเรียนกราฟที่สามารถโดดเด่นด้วยกราฟย่อยที่ต้องห้าม หากคลาสกราฟมีเซตย่อยของข้อ จำกัด ที่ต้องห้ามแสดงว่ามีอัลกอริทึมการจดจำเวลาแบบโพลิโนเมียลเล็กน้อย (เราสามารถใช้กำลังดุร้าย) ได้ แต่ครอบครัวที่ไม่มีที่สิ้นสุดของ subgraphs ต้องห้ามไม่ได้บ่งบอกถึงความแข็ง: มีบางคลาสที่มีรายการ subgraphs ต้องห้ามที่ไม่มีที่สิ้นสุดเช่นนั้นเพื่อให้การรู้จำสามารถถูกทดสอบในเวลาพหุนาม กราฟคอร์ดและเพอร์เฟ็กต์เป็นตัวอย่าง แต่ในกรณีเหล่านั้นมีโครงสร้างที่ "ดี" ในตระกูลต้องห้าม มีความสัมพันธ์ระหว่างความแข็งของการจดจำชั้นเรียนกับ "พฤติกรรมที่ไม่ดี" ของครอบครัวต้องห้ามหรือไม่? ความสัมพันธ์ดังกล่าวควรมีอยู่จริง? "พฤติกรรมที่ไม่ดี" นี้ได้ถูกทำให้เป็นระเบียบที่ไหน

5
การใช้งาน Vertex Cover ในโลกแห่งความเป็นจริง
Vertex Cover Problemมีแอพพลิเคชั่นใดบ้างในโลกแห่งความเป็นจริง โครงการอุตสาหกรรมหรือโครงการวิจัยใดที่ใช้ซอฟต์แวร์ที่ติดตั้งจริงซึ่งยึดตามผลลัพธ์ทางทฤษฎีสำหรับปัญหา Vertex Cover โดยเฉพาะอย่างยิ่งผลลัพธ์ทางทฤษฎีต่อไปนี้ถูกนำไปใช้ในซอฟต์แวร์ที่ใช้หรือไม่ อัลกอริธึมการประมาณสำหรับ Vertex Cover อัลกอริธึมแบบเอ็กซ์โปเนนเชียลสำหรับ Vertex Cover อัลกอริธึมที่สามารถแก้ไขได้แบบพารามิเตอร์คงที่สำหรับ Vertex Cover อัลกอริธึม Kernelization สำหรับ Vertex Cover

1
การไหลสูงสุดโดยใช้ Ford-Fulkerson และ DFS
คำถามนี้เกี่ยวกับความซับซ้อนของเวลาของอัลกอริธึมการไหลสูงสุดของฟอร์ด - ฟอล์กเกอร์เมื่อใช้ DFS เพื่อค้นหาเส้นทางที่เพิ่มขึ้น มีตัวอย่างที่รู้จักกันดีแสดงให้เห็นว่าการใช้ DFS หนึ่งสามารถต้องการจำนวนเชิงเส้นของการทำซ้ำในการไหลสูงสุดดูตัวอย่างเช่นหน้า Wikipedia เชื่อมโยงไปด้านบน อย่างไรก็ตามฉันไม่เชื่อมั่นในตัวอย่างนี้: การใช้งาน DFS มาตรฐานจะไม่แสดงพฤติกรรมของการสลับระหว่าง B และ C เป็นโหนดแรกของเส้นทาง (ใช้ชื่อจุดสุดยอดจากหน้า Wikipedia) ดังนั้นให้เรากำหนดเงื่อนไขที่เป็นธรรมชาติมาก ๆ ว่าเมื่อใดก็ตามที่ DFS เยี่ยมชมโหนด มันจะตรวจสอบเพื่อนบ้านของคุณตามลำดับเดียวกันเสมอ ยังมีตัวอย่างที่ FF กับ DFS ใช้การวนซ้ำจำนวนมากหรือไม่uuuuuu ในฐานะที่เป็นตัวแปรสมมติว่าเรามีคุณสมบัติเพิ่มเติมที่การเรียงลำดับที่แตกต่างกันของเพื่อนบ้านมีความสอดคล้องกับการจัดลำดับจุดยอดโดยพลการ แต่คงที่ของโลก นั่นสร้างความแตกต่างหรือไม่? ดูเหมือนว่าฉันจะเป็นคำถามพื้นฐานที่น่าสนใจ ฉันต้องขออภัยล่วงหน้าหากคำตอบนั้นเป็นที่รู้จักกันดี แต่ฉันไม่ใช่ผู้เชี่ยวชาญเรื่องการไหลและ googling บางคนไม่ได้ทำอะไรเลย แก้ไข: คำตอบกลายเป็นใช่ยังมีตัวอย่าง ดูรูปที่ 2 ของเอกสารนี้ ในตัวอย่างเหล่านี้ FF กับ DFS รับเลขเอ็กซ์โพเนนเชียล (ในจำนวนจุดยอด) …

1
NP-hardness บอกถึงความแข็ง P หรือไม่?
หากปัญหาคือ NP-hard (ใช้การลดเวลาของพหุนาม) นั่นหมายความว่าเป็น P-hard (โดยใช้พื้นที่บันทึกหรือการลด NC) หรือไม่ ดูเหมือนว่าเป็นเรื่องง่ายว่าถ้ามันยากเท่ากับปัญหาใด ๆ ใน NP ที่มันควรจะหนักเท่ากับปัญหาใด ๆ ใน P แต่ฉันไม่เห็นวิธีการลดการเชื่อมโยงและรับการลดพื้นที่บันทึก (หรือ NC)

1
สแตกได้
มีความรู้อะไรเกี่ยวกับโครงสร้างข้อมูลที่สามารถรักษาลำดับของไอเท็มได้ภายใต้สองการดำเนินการต่อไปนี้? กด (x): เพิ่ม x ไปยังจุดสิ้นสุดของลำดับและส่งกลับตัวระบุสำหรับตำแหน่งในลำดับ แยก (S): กำหนดชุดตัวระบุที่ไม่เรียงลำดับเอารายการในตำแหน่งเหล่านั้นออกจากลำดับและส่งคืนรายการของรายการที่ถูกลบตามลำดับ หากคุณชอบคุณสามารถคิดว่านี่เป็นสแต็กหรือคิวที่มีการดำเนินการแยกที่แยกออกเป็นสองสแต็ค: การดำเนินการแยกสามารถนำมาใช้ในการดำเนินการป๊อปหรือ dequeue และวางลำดับของรายการที่แยกได้ กลับมาอีกครั้งในสแต็กหรือคิวที่แตกต่างกัน สิ่งที่ฉันรู้แล้ว: หนึ่งสามารถรักษาลำดับเป็นรายการเชื่อมโยงสองเท่าโดยที่แต่ละตัวระบุเป็นเพียงตัวชี้ไปยังรายการเชื่อมโยงโหนดและแต่ละโหนดยังเก็บหมายเลขตำแหน่งที่ช่วยให้การเปรียบเทียบอย่างรวดเร็วระหว่างตำแหน่งของสององค์ประกอบที่ไม่เกี่ยวข้อง ในลำดับ การอัปเดตหมายเลขตำแหน่งเป็นการยากที่โครงสร้างข้อมูลจะดำเนินการเพื่อให้เป็นจำนวนเต็มบวกทั้งหมดของค่าสูงสุดโดยที่nคือจำนวนรายการปัจจุบันในรายการ ด้วยโครงสร้างข้อมูลนี้ส่วนที่ยากเพียงอย่างเดียวของการแยกข้อมูลคือการเรียงลำดับรายการที่แยกตามหมายเลขตำแหน่ง การแยกรายการkใช้เวลาO ( k √O ( n )O(n)O(n)nnnkkkเวลาแบบสุ่มที่คาดไว้โดยใช้อัลกอริทึมการเรียงลำดับจำนวนเต็มของ Han และ Thorup จาก FOCS 2002 และการดำเนินการ push ต้องใช้เวลาคงที่O ( k บันทึกเข้าสู่ระบบk-------√)O(klog⁡log⁡k)O(k\sqrt{\log\log k}) สิ่งที่ฉันไม่รู้: เป็นไปได้ไหมที่จะจัดการกับสารสกัดในเวลาและผลักเวลาคงที่? มีวรรณกรรมเกี่ยวกับปัญหานี้หรือไม่? การเรียงลำดับจำนวนเต็มนั้นยากหรือไม่O ( k )O(k)O(k) แรงจูงใจ: นี่เป็นขั้นตอนพื้นฐานที่จำเป็นในการสั่งซื้อรายการในอัลกอริทึมการจัดตารางเวลา Coffman-Graham ซึ่งมีแอปพลิเคชันในการวาดกราฟ …

1
มีเหตุผลอะไรที่จะเชื่อว่า ?
ฉันสงสัยว่ามีเหตุผลใดที่จะเชื่อว่าหรือที่จะเชื่อว่า ?N L ≠ Lยังไม่มีข้อความL = LNL=LNL=Lยังไม่มีข้อความL ≠ LNL≠LNL\neq L เป็นที่รู้จักกันว่า 2 วรรณกรรมใน derandomization ของเป็นที่น่าเชื่อว่าสวย L ไม่มีใครรู้เกี่ยวกับบทความหรือความคิดที่เชื่อว่าหรือไม่? R L R L = L N L ≠ Lยังไม่มีข้อความL ⊂ L2NL⊂L2NL \subset L^2R LRLRLR L = LRL=LRL=Lยังไม่มีข้อความL ≠ LNL≠LNL\neq L

4
มีปัญหาที่ไม่มีอัลกอริธึมที่มีประสิทธิภาพหรือไม่ซึ่งทฤษฏีการดำรงอยู่ได้พิสูจน์แล้วว่าอัลกอริทึมดังกล่าวต้องมีอยู่จริงหรือไม่?
มีปัญหาใน CS ที่ไม่มีอัลกอริธึมที่มีประสิทธิภาพหรือไม่แม้ว่าจะมีทฤษฎีบทการดำรงอยู่ที่พิสูจน์ว่าอัลกอริทึมที่มีประสิทธิภาพนั้นต้องมีอยู่จริงหรือไม่? ปัญหาเหล่านี้เรียกว่าอะไร? ฉันจะหาข้อมูลเพิ่มเติมได้ที่ไหน

5
ปัญหาการสอนการคำนวณ
ฉันมีปัญหาในการสอนแนวคิดของฟังก์ชันที่คำนวณได้ ฉันพยายามพัฒนาความคิดว่าทำไมนักวิจัยอย่าง Hilbert / Ackermann / Godel / Turing / Church / ... คิดค้นแนวคิดเรื่อง 'ความสามารถคำนวณได้' นักเรียนถามทันที: "ความสามารถในการคำนวณหมายถึงอะไร" และฉันไม่สามารถตอบได้ถ้าฉันไม่สอนเครื่องทัวริงแล้วตอบ "ฟังก์ชันนั้นคำนวณได้ถ้าเครื่องทัวริงคำนวณได้" ดังนั้น, มีคำอธิบายของความสามารถในการคำนวณที่ไม่ต้องใช้เครื่องทัวริง, calcul-แคลคูลัสหรือแบบจำลองการคำนวณที่คล้ายกันหรือไม่? แม้แต่คำอธิบายที่เข้าใจง่ายก็พอเพียง

2
หมายเลขพาร์ติชันโปรโตคอลและความซับซ้อนของการสื่อสารที่กำหนดขึ้น
นอกจากนี้(กำหนด) การสื่อสารความซับซ้อน ของความสัมพันธ์อีกมาตรการพื้นฐานสำหรับจำนวนของการสื่อสารที่จำเป็นเป็นจำนวนพาร์ทิชันโปรโตคอล(R) ความสัมพันธ์ระหว่างสองมาตรการนี้เป็นที่ทราบกันดีถึงปัจจัยคงที่ เอกสารโดย Kushilevitz และ Nisan (1997) ให้R p p ( R )c c ( R )cc(R)cc(R)RRR p p ( R )pp(R)pp(R) คค( R ) / 3 ≤ บันทึก2( พีพี( R ) ) ≤ คค( R )cc(R)/3≤log2⁡(pp(R))≤cc(R).cc(R)/3 \le \log_2(pp(R)) \le cc(R). เกี่ยวกับความไม่เท่าเทียมกันที่สองมันเป็นเรื่องง่ายที่จะให้ (ครอบครัวไม่มีที่สิ้นสุดของ) ความสัมพันธ์กับ(R)log 2 ( p p …

3
แหล่งการศึกษาหรือการสำรวจการวิเคราะห์โปรแกรม Semidefinite?
เมื่อออกแบบอัลกอริธึมการประมาณหนึ่งบางครั้งก็แก้โปรแกรม semidefinite ตามด้วยขั้นตอนการปัดเศษ ตัวอย่างที่ใช้บ่อยเพื่อแสดงให้เห็นว่านี่คือ Max-Cut (ดูขั้นตอนวิธีการประมาณค่าเช่นโดย Vijay Vazirani) มีแหล่งข้อมูลหรือแบบสำรวจทางการศึกษาที่ดีเกินกว่าปัญหา Max-Cut หรือไม่เพื่ออธิบายอัลกอริทึมการปัดเศษที่ซับซ้อนมากขึ้นและเทคนิคที่ใช้สำหรับการวิเคราะห์ของพวกเขา? ฉันกำลังคิดถึงกรณีที่เวกเตอร์ของ SDP-solution ไม่ได้กระจายอย่างสม่ำเสมอบน hypersphere พวกมันมีความยาวต่างกันหรือมีคุณสมบัติอื่น ๆ ที่ทำให้การวิเคราะห์ยากขึ้น

1
ความซับซ้อนของการคำนวณเส้นทางที่สั้นที่สุดในระนาบที่มีสิ่งกีดขวางรูปหลายเหลี่ยม
สมมติว่าเราได้รูปหลายเหลี่ยมที่ไม่ปะติดปะต่อกันในระนาบและสองจุดและอยู่นอกรูปหลายเหลี่ยม ปัญหาเส้นทางที่สั้นที่สุดของยุคลิดคือการคำนวณเส้นทางที่สั้นที่สุดของยุคลิดจากถึงที่ไม่ตัดกันภายในของรูปหลายเหลี่ยมใด ๆ สำหรับ concreteness ขอให้เราสมมติว่าพิกัดของและและพิกัดของจุดยอดรูปหลายเหลี่ยมทุกอันเป็นจำนวนเต็มsssเสื้อเสื้อtsssเสื้อเสื้อtsssเสื้อเสื้อt สามารถแก้ไขปัญหานี้ได้ในเวลาพหุนามหรือไม่? เครื่องวัดตำแหน่งทางภูมิศาสตร์ส่วนใหญ่จะบอกว่าใช่แน่นอน: John Hershberger และ Subhash Suriอธิบายถึงอัลกอริทึมที่คำนวณเส้นทางที่สั้นที่สุดของ Euclidean ในเวลาและเวลานี้เหมาะสมที่สุดในแบบจำลองการคำนวณเชิงพีชคณิต น่าเสียดายที่อัลกอริทึมของ Hershberger และ Suri (และอัลกอริธึมที่เกี่ยวข้องเกือบทั้งหมดก่อนและหลัง) ดูเหมือนว่าจะต้องใช้เลขคณิตจริงที่แน่นอนในความหมายที่เข้มงวดดังต่อไปนี้O ( n บันทึกn )O(nเข้าสู่ระบบ⁡n)O(n\log n) โทรหารูปหลายเหลี่ยมที่ถูกต้องถ้าจุดภายในทั้งหมดเป็นจุดยอดของสิ่งกีดขวาง เส้นทางที่สั้นที่สุดของ Euclidean นั้นใช้ได้ ความยาวของเส้นทางที่ถูกต้องคือผลรวมของสแควร์รูทของจำนวนเต็ม ดังนั้นการเปรียบเทียบความยาวของสองเส้นทางที่ถูกต้องต้องเปรียบเทียบสองผลรวมของรากซึ่งเราไม่ทราบว่าจะทำอย่างไรในเวลาพหุนาม ยิ่งไปกว่านั้นดูเหมือนว่าเป็นไปได้อย่างสมบูรณ์ว่าปัญหาที่เกิดขึ้นโดยพลการของผลรวมของสแควร์รูทสามารถลดลงเป็นปัญหาเส้นทางที่สั้นที่สุดของยูคลิด ดังนั้น: มีอัลกอริธึมเวลาพหุนามในการคำนวณเส้นทางที่สั้นที่สุดของ Euclidean หรือไม่? หรือเป็นปัญหา NP-hard? หรือsum-of-ตารางรากแข็ง ? หรืออย่างอื่น? หมายเหตุเล็กน้อย: เส้นทางที่สั้นที่สุดใน (หรือนอก) รูปหลายเหลี่ยมหนึ่งอันสามารถคำนวณได้ในเวลาโดยไม่มีปัญหาเชิงตัวเลขแปลก ๆ โดยใช้อัลกอริทึมช่องทางมาตรฐานอย่างน้อยถ้ามีการระบุสามเหลี่ยมของรูปหลายเหลี่ยมO ( n …

1
พลังการคำนวณเท่าไหร่ที่จะพอดีกับลูกบาศก์เซนติเมตร
คำถามนี้เป็นติดตามในคำถามเกี่ยวกับขั้นตอนวิธีการดีเอ็นเอที่ถามโดย Aadita Mehra ในความคิดเห็นมี Joe Fitzsimmons กล่าวในส่วน: [T] รัศมีของระบบจะต้องไต่ระดับเป็นสัดส่วนกับมวลเพื่อหลีกเลี่ยงปัญหานี้ พลังการคำนวณมีขนาดเป็นแนวตรงมากที่สุดในมวล ดังนั้นจำนวนเครื่องจักรของคุณมีรัศมีเป็นเลขชี้กำลัง เนื่องจากคุณไม่สามารถส่งสัญญาณได้เร็วกว่าแสงสัญญาณจากด้านหนึ่งไปอีกด้านหนึ่งใช้เวลานานในการอธิบายถึงอีกฝั่งหนึ่งดังนั้นหากเครื่องจักรทั้งหมดมีส่วนร่วมในคำตอบจึงเป็นไปไม่ได้ที่จะแก้ปัญหาได้น้อยกว่าเลขชี้กำลัง เวลา. คำถามของฉันมีสองส่วน (1) วิธี / วิธีที่ดีที่สุดในการจัดทำแถลงการณ์อย่างเป็นทางการคืออะไร "พลังการคำนวณมีขนาดใหญ่เป็นเส้นตรงในมวล" คำพูดนี้ไม่ได้ขึ้นอยู่กับการอภิปรายหรือเปล่า (2) สมมติว่าคำสั่งนั้นเป็นจริง ถึงกระนั้นธรรมชาติก็สามารถทำ preprocess จำนวนหนึ่งที่เราอาจจะสามารถใช้ประโยชน์ได้ตัวอย่างเช่นการสร้างระบบการมองเห็นของวิวัฒนาการผ่านการ "สุ่มกำลังดุร้าย" ฉันได้ยินและอ่านคำตอบอ่อนนุ่ม (pseudoscientific) จำนวนพอใช้สำหรับคำถามประเภทนี้และฉันจะขอบคุณสำหรับคำตอบใด ๆ ที่นี่ แต่ฉันสนใจมากที่สุดว่า (1) และ (2) สามารถแต่งใหม่ได้อย่างไร ในความแม่นยำ TCS

1
BosonSampling กระดาษหลีกเลี่ยงคลาสที่ง่ายของเมทริกซ์เชิงซ้อนได้อย่างไร?
ในความซับซ้อนของการคำนวณเชิงเส้นทัศนศาสตร์ ( ECCC TR10-170 ), สกอตต์ Aaronson และอเล็กซ์ Arkhipov ยืนยันว่าถ้าคอมพิวเตอร์ควอนตัมสามารถจำลองได้อย่างมีประสิทธิภาพโดยคอมพิวเตอร์แบบดั้งเดิมแล้วลำดับชั้นพหุนามทรุดลงไปในระดับที่สาม ปัญหาจูงใจคือการสุ่มตัวอย่างจากการกระจายที่กำหนดโดยเครือข่ายเชิงเส้นแสง การแจกแจงนี้สามารถแสดงเป็นเมทริกซ์ถาวร ในกรณีคลาสสิกรายการทั้งหมดของเมทริกซ์นั้นไม่เป็นลบและมีอัลกอริทึมแบบพหุนามความน่าจะเป็นอยู่ดังแสดงโดย Mark Jerrum, Alistair Sinclair และ Eric Vigoda (JACM 2004, ดอย: 10.1145 / 1008731.1008738) ในกรณีที่ควอนตัมรายการเป็นจำนวนเชิงซ้อน โปรดทราบว่าในกรณีทั่วไป (เมื่อไม่จำเป็นต้องเป็นรายการที่ไม่เป็นลบ) ถาวรไม่สามารถประมาณได้แม้ในปัจจัยคงที่โดยผลคลาสสิก 1979 ของ Valiant กระดาษกำหนดการกระจายกำหนดโดยเมทริกซ์Aและปัญหาการสุ่มตัวอย่างDADAD_AAAA BosonSampling Input: matrix ตัวอย่าง:จากการแจกแจงD AAAA DADAD_A การใช้ผลความแข็งดูเหมือนจะเป็นหลักฐานที่อ่อนแอสำหรับการแยกระหว่างโลกคลาสสิกและควอนตัมเนื่องจากเป็นไปได้ว่าคลาสของเมทริกซ์ในการตั้งค่าควอนตัมที่เฉพาะเจาะจงทั้งหมดจะอยู่ในรูปแบบพิเศษ อาจมีรายการที่ซับซ้อน แต่อาจมีโครงสร้างจำนวนมาก ดังนั้นจึงอาจมีกระบวนการสุ่มตัวอย่างที่มีประสิทธิภาพสำหรับเมทริกซ์ดังกล่าวแม้ว่าปัญหาทั่วไปคือ # P-hard การใช้งาน BosonSampling ในกระดาษหลีกเลี่ยงชั้นเรียนง่าย ๆ …

โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.