热点事件持续更新
置换对称下随机化与量子查询复杂度的最优分离
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
2026-11-09，深圳大学、中山大学与福州大学的研究团队在 arXiv quant-ph 发布研究，考察置换不变函数对量子加速的限制。研究给出 1/6≤ε<1/2 时随机化与量子查询复杂度的最优分离结果：通过对算法在输入重标记上取平均实现对称化，并引入读取随机样本的经典采样模型来近似对称化输出期望。此外，工作还分析了图与超图性质中顶点重标记诱导的置换结构。目前该成果以预印本形式发布，尚无后续进展报道。
AI 根据报道生成 · 3 小时前更新
最新进展11月9日 13:00
研究团队发布预印本，给出 1/6≤ε<1/2 下随机化与量子查询复杂度的最优分离结果。报道时间线
沿着报道，了解事件的不同侧面。
11月9日
- arXiv quant-ph（量子信息与量子物理）置换对称下随机化与量子查询复杂度的最优分离
深圳大学、中山大学与福州大学的研究团队研究了置换不变函数对量子加速的限制，给出了 1/6≤ε<1/2 时随机化与量子查询复杂度的最优分离结果。研究通过将算法在输入重标记上取平均实现对称化，并引入读取随机样本的经典采样模型来近似对称化输出期望。该工作还分析了图与超图性质中顶点重标记诱导的置换结构。
本事件热度走势
当前热度 9·可比范围峰值 10（11月9日 14:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。