Kuantum bilgisayarlar, klasik bilgisayarları nasıl kullanacağımızı bilmediğimiz dağıtımları örneklemek için çok iyidir. Örneğin f Boole fonksiyonu ise, (dan için ) o zaman dağıtım verimli örnek olup tarafından tarif kuantum bilgisayar polinom bir sürede elde edilebilir F Fourier genişlemesi. (Klasik bilgisayarlarla nasıl yapıldığını bilmiyoruz.)
D değişkenlerinde n eşitsizliği olan bir sistem tarafından tanımlanan bir polihedronda rastgele bir noktayı örneklemek veya yaklaşık olarak örneklemek için kuantum bilgisayarları kullanabilir miyiz?
Eşitsizliklerden noktalara geçmek bana bir "dönüşüm" e biraz benziyor. Dahası, dağılımı değiştirseniz bile, kuantum algoritmasını gördüğüm için mutlu olurum, örneğin, polihedronun hiper düzlemleri veya diğer bazı şeylerin tarif ettiği Gauss dağılımının ürününü düşünün.
Birkaç açıklama: Dyer, Frieze ve Kannan, bir polihedronun hacmini yaklaşık olarak hesaplamak ve yaklaşık olarak hesaplamak için ünlü bir klasik polinom zaman algoritması buldu. Algoritma rastgele yürüyüşlere ve hızlı karıştırmaya dayanır. Bu yüzden aynı amaç için farklı bir kuantum algoritması bulmak istiyoruz. (Tamam, bir kuantum algoritmasının, bu bağlamda klasik olarak yapmayı bilmediğimiz şeylere de yol açabileceğini ümit edebiliriz. Fakat başlamak için tek istediğimiz farklı bir algoritma, bu mümkün olmalı.)
İkincisi, tekdüze dağılımın yaklaşık olarak örneklemesinde ısrar etmiyoruz. Polihedronumuzda kabaca desteklenen bazı güzel dağıtımları yaklaşık olarak örneklemekten memnuniyet duyarız. Santosh Vampala (ve ayrıca başka bir bağlamda benim tarafımdan) örneklemeden optimizasyona giden bir argüman var: f (x) örneğini f (x) 'in tipik olduğu y noktasını bulmak için optimize etmek istiyorsanız. Sınırlamayı {f (x)> = f (y)} ekleyin ve tekrarlayın.