.png){kind=icon}
返回
Quantum-classical hybrid algorithm for solving the learning-with-errors problem on NISQ devices
.png){kind=icon}
OA
AI
DOI：10.1038/s42005-025-02126-w.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
学习误差（Learning-With-Errors, LWE）问题是一个具有后量子密码学和计算学习理论影响的基础计算挑战。本文提出了一种基于ISING模型的量子-经典混合算法来处理LWE问题，将其转化为最短向量问题，并使用可变量子比特将格向量编码为ISING哈密顿量。通过识别低能哈密顿能级，提取出解，使该方法适用于噪声中等规模的量子设备。所需量子比特数量小于m(m + 1)，其中m为样本数量。本启发式算法的时间复杂度取决于用于寻找低能能级的特定量子特征求解器，并研究了使用量子近似优化算法时的性能。我们通过在5量子比特量子设备上解决一个2维LWE问题验证了该算法，展示了其在近-term量子设备上解决有意义LWE实例的潜力。
Keyword:
LATTICE
HARDNESS
VECTORS
期刊
IF:
5.8
论文数:
2.8K
被引数:
9.2K
机构
引用论文
.png){kind=icon}
分享收藏
查看更多内容