报告题目：量子模拟器上多项式函数的优化
报告人：李可仁助理研究员
报告时间：2019年5月10日星期五上午9：30
报告地点：犀浦校区x5527
报告摘要
作为数值优化最主要的方法之一，梯度下降是许多机器学习算法的关键要素。然而在处理高维情形时常伴有大量计算资源的消耗问题。值得注意的是，最近提出的该迭代算法的量子版本有望解决这一问题。在我们的工作中，为适应目前的量子操控技术，我们改进了该方案的实验实现。并且，针对齐次多项式的优化问题。我们在4量子比特核磁共振量子处理器演示了原型实验。该方案迭代地展现了该多项式目标函数的优化过程。我们的结果将有助于在其他量子系统上实现量子梯度下降过程。
个人简介
李可仁，1991年出生，鹏城实验室助理研究员。毕业于清华大学物理系，曾于2016-2017年在加拿大量子计算中心Raymond Laflamme实验室访问学习，主要研究方向为自旋系统的量子计算。曾在核磁共振体系中实现12比特相干态的操控；并完成系综量子体系下的最大比特数量子态重构，协助完成国内首部核磁共振量子云。已在Phys.Rev.Lett., NPJ Quantum Info, Phy. Rev. A等杂志发表多篇论文。
