2023-01-012024-05-13https://scholars.lib.ntu.edu.tw/handle/123456789/652242量子資訊領域有許多重要的機器學習和最佳化問題。例如最大似然量子態估計對應至尋找最小化負對數似然函數的量子態,計算古典-量子通道上隨機編碼的錯誤率需要尋找 Renyi 散度的極值。然而,目前量子資訊領域裡研究這些問題的學者們對於理論嚴謹性和計算複雜度並不敏感,使得提出的演算法要不缺乏理論保證,要不計算速度過慢。此計畫致力於彌補此落差。另外,機器學習和最佳化領域目前對於量子資訊並不熟悉。此研究計畫有助於將量子資訊引入機器學習和最佳化的學術社群之中。量子資訊;機器學習;最佳化;量子資訊;機器學習;最佳化高等教育深耕計畫-核心研究群計畫【量子信息中的機器學習與最佳化】