量子费希尔信息：探索参数变化

东北大学跨学科科学研究所的 Le Bin Ho 在 EPJ Quantum Technology 上发表了一篇论文，描述了量子计算和量子学习中的时间相关随机平行位移技术。 这种新方法彻底改变了函数的估计方式，这是许多计算任务中的关键步骤。

计算导数通常需要将函数分成更小的部分并计算其变化率。 即使是经典计算机也不能无限期地划分。 另一方面，量子计算机可以执行此功能，而无需对其进行离散化。 这是可能的，因为量子计算机在“量子空间”中工作，这是一个以周期性为特征的世界，不需要无限的细分。

在地图上比较两个小学的规模是说明这一想法的好方法。 打印出两所学校的地图，然后将每张地图切成小块。 然后可以将这些碎片排列成一条线并比较它们的长度。 这些碎片可能并不总是形成矩形。 这可能会导致错误。 为了最大限度地减少错误，需要无限细分，即使对于经典计算机来说，这也是不切实际的。

来源和详细信息：
https://phys.org/news/2023-10-exploring-parameter-shift-quantum-fisher.html