เป็นชื่อที่แสดงให้เห็นแล้วคำถามนี้คือการติดตามของอื่น ๆ ฉันยินดีกับคุณภาพของคำตอบ แต่ฉันรู้สึกว่ามันน่าสนใจอย่างมากหากมีการเพิ่มความเข้าใจที่ลึกซึ้งเกี่ยวกับการเพิ่มประสิทธิภาพและเทคนิคการประมาณ แต่อาจหลุดหัวข้อดังนั้นคำถามนี้
จากคำตอบของ Blue:
กฎง่ายๆในทฤษฎีความซับซ้อนคือถ้าคอมพิวเตอร์ควอนตัม "สามารถช่วย" ในแง่ของการแก้ปัญหาในเวลาพหุนาม (มีข้อผิดพลาดถูกผูกมัด) ถ้าชั้นของปัญหาสามารถแก้ปัญหาอยู่ใน BQP แต่ไม่ใช่ใน P หรือ BPP
สิ่งนี้ใช้กับคลาสที่ประมาณได้อย่างไร มีคุณสมบัติทอพอโลยี, ตัวเลขและอื่น ๆ ของการคำนวณควอนตัมที่สามารถยกระดับได้หรือไม่?
เป็นตัวอย่างของสิ่งที่ฉันขอ (แต่ไม่ จำกัด แน่นอน!) ใช้อัลกอริทึม Christofides : มันใช้ประโยชน์จากคุณสมบัติเชิงเรขาคณิตเฉพาะของกราฟที่ปรับให้เหมาะสม (สมมาตร, ความไม่เท่าเทียมกันของสามเหลี่ยม): พนักงานขายเดินทางบนโลกที่เป็นไปได้ . แต่พนักงานขายก็มีมวลชนจำนวนมากและเราสามารถรู้ตำแหน่งและโมเมนตัมของพวกเขาในเวลาเดียวกันด้วยความแม่นยำที่ยอดเยี่ยม บางทีรูปแบบควอนตัมสามารถทำงานได้เป็นอย่างดีสำหรับชนิดอื่น ๆ ของตัวชี้วัดที่มีข้อ จำกัด ที่ผ่อนคลายมากขึ้นเช่นความแตกต่าง KL ? ในกรณีดังกล่าวการแก้ปัญหาจะยังคงเป็นปัญหาที่สมบูรณ์ แต่การปรับให้เหมาะสมจะใช้สำหรับทอพอโลยีที่กว้างขึ้น ตัวอย่างนี้อาจใช้เวลานาน แต่ฉันหวังว่าคุณจะเข้าใจในสิ่งที่ฉันหมายถึง ฉันไม่รู้จริง ๆ ว่ามันสมเหตุสมผลหรือไม่ แต่คำตอบก็สามารถตอบได้ในกรณีนี้ :)
ที่เกี่ยวข้อง: