通过量子隧道行走实现非凸优化的量子加速

[1] Zeyuan Allen-Zhu 和 Yuanzhi Li。 Neon2：通过一阶神谕寻找局部最小值。 在神经信息处理系统的进展中，第 3716–3726 页，2018 年。URL http:// / papers.neurips.cc/ paper/ 7629-neon2-finding-local-minima-via-first-order-oracles。 PDF。 arXiv:1711.06673。
的arXiv：1711.06673
http://papers.neurips.cc/paper/7629-neon2-finding-local-minima-via-first-order-oracles.pdf

[2] Animashree Anandkumar、Rong Ge、Daniel Hsu、Sham M Kakade 和 Matus Telgarsky。 学习潜变量模型的张量分解。 机器学习研究杂志，15：2773–2832，2014。URL https:// / jmlr.org/ papers/ volume15/ anandkumar14b/ 。 arXiv:1210.7559v4。
arXiv：1210.7559v4
https:// / jmlr.org/ papers/ volume15/ anandkumar14b/

[3] 本·安德鲁斯和朱莉·克拉特巴克。 基本间隙猜想的证明。 美国数学学会杂志，24 (3): 899–916, 2011. ISSN 08940347, 10886834。URL http:// / www.jstor.org/ stable/ 23072145。 arXiv:1006.1686。
的arXiv：1006.1686
http://www.jstor.org/stable/23072145

[4] Joran van Apeldoorn 和 András Gilyén。 通过应用程序改进量子 SDP 求解。 在第 46 届自动机、语言和编程国际学术讨论会论文集中，莱布尼茨国际信息学论文集 (LIPIcs) 第 132 卷，第 99:1–99:15 页。 Schloss Dagstuhl–Leibniz-Zentrum fuer Informatik，2019/ LIPIcs.ICALP.10.4230。 arXiv:2019.99。
https：///doi.org/10.4230/LIPIcs.ICALP.2019.99
的arXiv：1804.05058

[5] Joran van Apeldoorn、András Gilyén、Sander Gribling 和 Ronald de Wolf。 量子 SDP 求解器：更好的上限和下限。 在第 58 届计算机科学基础年度研讨会论文集中。 IEEE, 2017. 10.1109/ FOCS.2017.44. arXiv:1705.01843。
https：///doi.org/10.1109/FOCS.2017.44
的arXiv：1705.01843

[6] Joran van Apeldoorn、András Gilyén、Sander Gribling 和 Ronald de Wolf。 使用量子预言机的凸优化。 量子，4：220，2020。10.22331/ q-2020-01-13-220。 arXiv:1809.00643。
https:/​/​doi.org/​10.22331/​q-2020-01-13-220
的arXiv：1809.00643

[7] Frank Arute、Kunal Arya、Ryan Babbush、Dave Bacon、Joseph C. Bardin、Rami Barends、Sergio Boixo、Michael Broughton、Bob B. Buckley、David A. Buell、Brian Burkett、Nicholas Bushnell、Yu Chen、Zijun Chen、Benjamin Chiaro , 罗伯托·柯林斯, 威廉·考特尼, 肖恩·德穆拉, 安德鲁·邓斯沃斯, 爱德华·法希, 奥斯汀·福勒, 布鲁克斯·福克森, 克雷格·吉德尼, 玛丽莎·朱斯蒂娜, 罗伯·格拉夫, 史蒂夫·哈贝格, Matthew P.Harrigan, Alan Ho, Sabrina Hong, Trent Huang, William J . Huggins、Lev Ioffe、Sergei V. Isakov、Evan Jeffrey、张江、Cody Jones、Dvir Kafri、Kostyantyn Kechedzhi、Julian Kelly、Seon Kim、Paul V. Klimov、Alexander Korotkov、Fedor Kostritsa、David Landhuis、Pavel Laptev、Mike Lindmark、Erik Lucero、Orion Martin、John M. Martinis、Jarrod R. McClean、Matt McEwen、Anthony Megrant、小米、Masoud Mohseni、Wojciech Mruczkiewicz、Josh Mutus、Ofer Naaman、Matthew Neeley、Charles Neill、Hartmut Neven、Murphy Yuezhen Niu、Thomas E. O'Brien、Eric Ostby、Andre Petukhov、Harald Putterman、Chris Quintana、Pedram Roushan、Nicholas C. Rubin、Daniel Sank、Kevin J. Satzinger、Vadim Smelyanskiy、Doug Strain、Kevin J. Sung、Marco Szalay 、Tyler Y. Takeshita、Amit Vainsencher、Theodore White、Nathan Wiebe、Z. Jamie Yao、Ping Yeh 和 Adam Zalcman。 Hartree-Fock 在超导量子比特量子计算机上。 科学，369 (6507): 1084–1089, 2020. 10.1126/ science.abb9811。 网址 https:// / science.sciencemag.org/ content/ 369/ 6507/ 1084.abstract。 arXiv:2004.04174。
https：/ / doi.org/ 10.1126 / science.abb9811
的arXiv：2004.04174
https://science.sciencemag.org/content/369/6507/1084.abstract

[8] Yosi Atia 和 Shantanav Chakraborty。 改进了量子行走命中时间的上限。 物理评论 A，104：032215，2021 年 2469 月。ISSN 9934-10.1103。 104.032215/ physreva.10.1103。 网址 http:// / dx.doi.org/ 104.032215/ PhysRevA.2005.04062。 arXiv:5vXNUMX。
https：///doi.org/10.1103/physreva.104.032215
arXiv：2005.04062v5

[9] Carlo Baldassi 和 Riccardo Zecchina。 非凸学习问题中量子退火与经典退火的效率。 美国国家科学院院刊，115 (7): 1457–1462，2018 年 1091 月。ISSN 6490-10.1073。 1711456115/ pnas.10.1073。 网址 http:// / dx.doi.org/ 1711456115/ pnas.1706.08470。 arXiv:XNUMX。
https：/ / doi.org/ 10.1073 / pnas.1711456115
的arXiv：1706.08470

[10] Charles H. Bennett、Ethan Bernstein、Gilles Brassard 和 Umesh Vazirani。 量子计算的优点和缺点。 SIAM 计算杂志，26 (5): 1510–1523, 1997. 10.1137/ S0097539796300933。 网址 https:// / doi.org/ 10.1137/ S0097539796300933。 arXiv:quant-ph/ 9701001。
https：/ / doi.org/ 10.1137 / S0097539796300933
arXiv：quant-ph / 9701001

[11] Michael Betancourt、Michael I. Jordan 和 Ashia C Wilson。 关于辛优化，2018 年。arXiv：1802.03653。
的arXiv：1802.03653

[12] Sergio Boixo 和 Rolando D. Somma。 量子绝热近似的必要条件。 物理评论 A, 81 (3): 032308, 2010. 10.1103/ PhysRevA.81.032308。 网址 https:// / journals.aps.org/ pra/ abstract/ 10.1103/ PhysRevA.81.032308。 arXiv:0911.1362。
https：/ / doi.org/ 10.1103 / PhysRevA.81.032308
的arXiv：0911.1362

[13] Fernando GSL Brandão 和 Krysta Svore。 半定规划的量子加速。 在第 58 届计算机科学基础年度研讨会论文集中，第 415–426 页，2017 年。10.1109/ FOCS.2017.45。 arXiv:1609.05537。
https：///doi.org/10.1109/FOCS.2017.45
的arXiv：1609.05537

[14] Fernando GSL Brandão、Amir Kalev、Tongyang Li、Cedric Yen-Yu Lin、Krysta M. Svore 和 Xiaodi Wu。 量子 SDP 求解器：大幅加速、最优性和在量子学习中的应用。 在第 46 届国际自动机、语言和编程学术讨论会论文集中，莱布尼茨国际信息学论文集 (LIPIcs) 第 132 卷，第 27:1–27:14 页。 Schloss Dagstuhl–Leibniz-Zentrum fuer Informatik，2019。10.4230/ LIPIcs.ICALP.2019.27。 arXiv:1710.02581。
https：///doi.org/10.4230/LIPIcs.ICALP.2019.27
的arXiv：1710.02581

[15] Shouvanik Chakrabarti、Andrew M. Childs、Tongyang Li 和 Xiaodi Wu。 凸优化的量子算法和下界。 量子，4：221，2020。10.22331/q-2020-01-13-221。 arXiv:1809.01731。
https:/​/​doi.org/​10.22331/​q-2020-01-13-221
的arXiv：1809.01731

[16] Shantanav Chakraborty、Kyle Luh 和 Jérémie Roland。 量子行走的混合速度有多快？ 物理评论快报，124：050501，2020 年 10.1103 月。124.050501/ PhysRevLett.10.1103。 网址 https://link.aps.org/doi/124.050501/PhysRevLett.2001.06305。 arXiv:1vXNUMX。
https：/ / doi.org/ 10.1103 / PhysRevLett.124.050501
arXiv：2001.06305v1

[17] Pratik Chaudhari 和 Stefano Soatto。 随机梯度下降执行变分推理，收敛到深度网络的极限循环。 2018 年信息理论与应用研讨会 (ITA)，第 1-10 页，2018。10.1109/ ITA.2018.8503224。 arXiv:1710.11029v2。
https:/ / doi.org/ 10.1109/ ITA.2018.8503224
arXiv：1710.11029v2

[18] Andrew M. Childs、Richard Cleve、Enrico Deotto、Edward Farhi、Sam Gutmann 和 Daniel A. Spielman。 量子行走的指数算法加速。 在第三十五届 ACM 计算理论年度研讨会论文集，STOC '03，第 59–68 页，美国纽约州纽约市，2003 年。计算机协会。 国际标准书号 1581136749。10.1145/ 780542.780552。 网址 https:// / doi.org/ 10.1145/ 780542.780552。 arXiv:quant-ph/ 0209131v2.
https：/ / doi.org/10.1145/ 780542.780552
arXiv：quant-ph / 0209131v2

[19] Andrew M. Childs、Jin-Peng Liu 和 Aaron Ostrander。 用于偏微分方程的高精度量子算法。 量子，5：574，2021 年 2521 月。ISSN 327-10.22331X。 2021/ q-11-10-574-10.22331。 网址 http:// / dx.doi.org/ 2021/ q-11-10-574-2002.07868。 arXiv:XNUMX。
https:/​/​doi.org/​10.22331/​q-2021-11-10-574
的arXiv：2002.07868

[20] Pierre Comon、Xavier Luciani 和 André LF De Almeida。 张量分解、交替最小二乘法和其他故事。 化学计量学杂志，23：393–405，2009 年 10.1002 月。1236/ cem.00410057。 网址 https:// / hal.archives-ouvertes.fr/ hal-XNUMX。
https:// / doi.org/ 10.1002/ cem.1236
https：/ / hal.archives-ouvertes.fr/ hal-00410057

[21] 佩德罗·科斯塔、斯蒂芬·乔丹和亚伦·奥斯特兰德。 模拟波动方程的量子算法。 物理评论 A，99：012323，2019 年 10.1103 月。99.012323/ PhysRevA.10.1103。 网址 https://link.aps.org/doi/99.012323/PhysRevA.1711.05394。 arXiv:XNUMX。
https：/ / doi.org/ 10.1103 / PhysRevA.99.012323
的arXiv：1711.05394

[22] 克里斯托弗 Criscitiello 和尼古拉斯 Boumal。 负曲率阻碍测地线凸优化的加速，即使使用精确的一阶预言机，2021 年。arXiv:2111.13263。
的arXiv：2111.13263

[23] Elizabeth Crosson 和 Aram W. Harrow。 模拟量子退火可以比经典模拟退火快指数级。 2016 年 IEEE 第 57 届计算机科学基础年度研讨会 (FOCS)，第 714-723 页。 IEEE，2016 年 10.1109 月。2016.81/ focs.10.1109。 网址 http:// / dx.doi.org/ 2016.81/ FOCS.1601.03030。 arXiv:XNUMX。
https：/ / doi.org/ 10.1109 / focs.2016.81
的arXiv：1601.03030

[24] Mouez Dimassi 和 Johannes Sjöstrand。 半经典极限中的谱渐近。 伦敦数学会讲义系列。 剑桥大学出版社，1999。10.1017/ CBO9780511662195。
https：/ / doi.org/ 10.1017 / CBO9780511662195

[25] Felix Draxler、Kambis Veschgini、Manfred Salmhofer 和 Fred Hamprecht。 神经网络能量景观基本上没有障碍。 在机器学习国际会议上，第 1309-1318 页。 PMLR，2018 年。URL http:// / proceedings.mlr.press/ v80/ draxler18a.html。 arXiv:1803.00885。
的arXiv：1803.00885
http://proceedings.mlr.press/v80/draxler18a.html

[26] 润瑶段。 重温量子绝热定理，2020 年。arXiv:2003.03063v1。
arXiv：2003.03063v1

[27] John Duchi、Elad Hazan 和 Yoram Singer。 用于在线学习和随机优化的自适应子梯度方法。 机器学习研究杂志，12 (61): 2121–2159, 2011。URL https:/ / www.jmlr.org/ papers/ volume12/ duchi11a/ duchi11a.pdf。
https://www.jmlr.org/papers/volume12/duchi11a/duchi11a.pdf

[28] Sepehr Ebadi、Tout T. Wang、Harry Levine、Alexander Keesling、Giulia Semeghini、Ahmed Omran、Dolev Bluvstein、Rhine Samajdar、Hannes Pichler、Wen Wei Ho、Soonwon Choi、Subir Sachdev、Markus Greiner、Vladan Vuletić 和 Mikhail D. Lukin . 256 原子可编程量子模拟器上的物质量子相。 自然，595 (7866): 227–232, 2021. 10.1038/ s41586-021-03582-4。 网址 https://www.nature.com/articles/s41586-021-03582-4。
https:/​/​doi.org/​10.1038/​s41586-021-03582-4
https：///www.nature.com/articles/s41586-021-03582-4

[29] Cong Fang、Chris Junchi Li、Zhouchen Lin 和 Tong Zhang。 Spider：通过随机路径积分差分估计器进行近最优非凸优化。 神经信息处理系统进展，第 689–699 页，2018 年。URL https:// / dl.acm.org/ doi/ abs/ 10.5555/ 3326943.3327007。 arXiv:1807.01695。
的arXiv：1807.01695
https：///.dl.acm.org/doi/abs/10.5555/3326943.3327007

[30] Cong Fang, Zhouchen Lin, and Tong Zhang. 从鞍点逃逸的非凸 SGD 的敏锐分析。 在学习理论会议上，第 1192-1234 页，2019 年。URL http:// / proceedings.mlr.press/ v99/ fang19a.html。 arXiv:1902.00247。
的arXiv：1902.00247
http:// / proceedings.mlr.press/ v99/ fang19a.html

[31] Edward Farhi、Jeffrey Goldstone、Sam Gutmann、Joshua Lapan、Andrew Lundgren 和 Daniel Preda。 应用于 NP 完全问题的随机实例的量子绝热进化算法。 科学，292 (5516)：472–475，2001 年 1095 月。ISSN 9203-10.1126。 1057726/ 科学.10.1126。 网址 http:// / dx.doi.org/ 1057726/ science.0104129。 arXiv:quant-ph/ XNUMX.
https：/ / doi.org/ 10.1126 / science.1057726
arXiv：quant-ph / 0104129

[32] AB Finnila、MA Gomez、C. Sebenik、C. Stenson 和 JD Doll。 量子退火：一种最小化多维函数的新方法。 化学物理快报，219 (5-6)：343–348，1994 年 0009 月。ISSN 2614-10.1016。 0009/ 2614-94(00117)0-10.1016。 网址 http:// / dx.doi.org/ 0009/ 2614-94(00117)0-9404003。 arXiv:chem-ph/ XNUMX。
https:/​/​doi.org/​10.1016/​0009-2614(94)00117-0
arXiv:chem-ph/9404003

[33] 毛格·弗朗索瓦。 辛跃蛙式方案，2020 年。URL https:// / www.mathworks.com/ matlabcentral/ fileexchange/ 38652-symplectic-leap-frog-scheme。 https：/ / www.mathworks.com / matlabcentral / fileexchange / 38652-symplectic-leap-frog-scheme。
https:/ / www.mathworks.com/ matlabcentral/ fileexchange/ 38652-symplectic-leap-frog-scheme

[34] Alan Frieze、Mark Jerrum 和 Ravi Kannan。 学习线性变换。 在第 37 届计算机科学基础会议论文集中，第 359–368 页，1996。10.1109/ SFCS.1996.548495。
https：///doi.org/10.1109/SFCS.1996.548495

[35] Timur Garipov、Pavel Izmailov、Dmitrii Podoprikhin、Dmitry Vetrov 和 Andrew Gordon Wilson。 损失面、模式连通性和 DNN 的快速集成。 在神经信息处理系统的进展中，第 8803–8812 页，2018 年。URL https:// / dl.acm.org/ doi/ abs/ 10.5555/ 3327546.3327556。 arXiv:1802.10026。
的arXiv：1802.10026
https：///.dl.acm.org/doi/abs/10.5555/3327546.3327556

[36] 蓉哥和马腾宇。 关于张量分解的优化景观。 数学规划，第 1–47 页，2020 年。ISSN 1436-4646。 10.1007/s10107-020-01579-x。 网址 https:// / doi.org/ 10.1007/ s10107-020-01579-x。 arXiv:1706.05598v1。
https：///doi.org/10.1007/s10107-020-01579-x
arXiv：1706.05598v1

[37] 容哥、黄芙蓉、池津、杨远。 逃离鞍点——张量分解的在线随机梯度。 第 28 届学习理论会议论文集，机器学习研究论文集第 40 卷，第 797-842 页，2015 年。URL http:// / proceedings.mlr.press/ v40/ Ge15。 arXiv:1503.02101。
的arXiv：1503.02101
http:// / proceedings.mlr.press/ v40/ Ge15

[38] 荣格、Jason D. Lee 和马腾宇。 矩阵补全没有虚假的局部最小值。 在神经信息处理系统的进展中，第 2981–2989 页，2016 年。URL https:// / dl.acm.org/ doi/ abs/ 10.5555/ 3157382.3157431。 arXiv:1605.07272。
的arXiv：1605.07272
https：///.dl.acm.org/doi/abs/10.5555/3157382.3157431

[39] Ming Gong, Shiyu Wang, Chen Zha, Ming-Cheng Chen, He-Liang Huang, Yulin Wu, Qingling Zhu, Youwei Zhao, Shaowei Li, Shaojun Guo, Haoran Qian, Yangsen Ye, Fusheng Chen, Chong Ying, Jiale Yu, 道进Fan, Dachao Wu, Hong Su, Hui Deng, Hao Rong, Kaili Zhang, Sirui Cao, Jin Lin, Yu Xu, Lihua Sun, Cheng Guo, Na Li, Futian Liang, VM Bastidas, Kae Nemoto, WJ Munro, 永恒Huo、Chao-Yang Lu、Cheng-Zhi Peng、Xiaobo Zhu 和 Jian-Wei Pan。 量子行走在一个可编程的二维 62 量子位超导处理器上。 科学，372 (6545): 948–952, 2021. 10.1126/ science.abg7812。 网址 https:// / science.sciencemag.org/ content/ 372/ 6545/ 948.abstract。 arXiv:2102.02573。
https:/ / doi.org/ 10.1126/ science.abg7812
的arXiv：2102.02573
https://science.sciencemag.org/content/372/6545/948.abstract

[40] Stephen K. Gray 和 David E. Manolopoulos。 为时间相关的薛定谔方程量身定做的辛积分器。 化学物理杂志，104 (18): 7099–7112, 1996. 10.1063/ 1.471428。 网址 https:// / doi.org/ 10.1063/ 1.471428。
https：/ / doi.org/10.1063/ 1.471428

[41] 伯纳德·赫尔弗。 薛定谔算子的半经典分析和应用。 数学讲义。 斯普林格，1988。10.1007/BFb0078115。
https：/ / doi.org/ 10.1007 / BFb0078115

[42] Bernard Helffer 和 Johannes Sjöstrand。 半经典极限中的多井 I. 偏微分方程中的通信, 9 (4): 337–408, 1984. 10.1080/ 03605308408820335.
https：/ / doi.org/10.1080/ 03605308408820335

[43] Bernard Helffer 和 Johannes Sjöstrand。 半经典极限 III 中的多井——通过非共振井的相互作用。 Mathematische Nachrichten, 124 (1): 263–313, 1985. https:// / doi.org/ 10.1002/ mana.19851240117。 网址 https:// / onlinelibrary.wiley.com/ doi/ abs/ 10.1002/ mana.19851240117。
https://doi.org/10.1002/mana.19851240117

[44] 塞普·霍赫赖特。 学习递归神经网络过程中的消失梯度问题和问题解决方案。 国际不确定性、模糊性和基于知识的系统杂志，6 (02): 107–116, 1998. 10.1142/ S0218488598000094。 网址 https:// / dl.acm.org/ doi/ abs/ 10.1142/ S0218488598000094。
https：/ / doi.org/ 10.1142 / S0218488598000094

[45] Aapo Hyvarinen。 使用高斯矩对噪声数据进行快速 ICA。 1999 年 IEEE 国际电路与系统研讨会 (ISCAS)，第 5 卷，第 57-61 页，1999。10.1109/ ISCAS.1999.777510。
https:// / doi.org/ 10.1109/ ISCAS.1999.777510

[46] Frédéric Hérau、Michael Hitrik 和 Johannes Sjöstrand。 kramers–fokker–planck 类型运算符的隧道效应和对称性。 Jussieu 数学研究所学报, 10 (3): 567–634, 2011. 10.1017/ S1474748011000028.
https：/ / doi.org/ 10.1017 / S1474748011000028

[47] Chi Jin、Rong Ge、Praneeth Netrapalli、Sham M. Kakade 和 Michael I. Jordan。 如何有效地逃避鞍点。 第 34 届国际机器学习会议论文集，第 70 卷，第 1724–1732 页，2017 年。URL http:// / proceedings.mlr.press/ v70/ jin17a。 arXiv:1703.00887。
的arXiv：1703.00887
http:// proceedings.mlr.press/ v70/ jin17a

[48] Chi Jin、Lydia T. Liu、Rong Ge 和 Michael I. Jordan。 关于经验风险的局部最小值。 在神经信息处理系统的进展中，第 31 卷，第 4901–4910 页。 Curran Associates, Inc.，2018。URL https:/ / proceedings.neurips.cc/ paper/ 2018/ file/ da4902cb0bc38210839714ebdcf0efc3-Paper.pdf。 arXiv:1803.09357。
的arXiv：1803.09357
https:/​/​proceedings.neurips.cc/​paper/​2018/​file/​da4902cb0bc38210839714ebdcf0efc3-Paper.pdf

[49] Chi Jin、Praneeth Netrapalli、Rong Ge、Sham M Kakade 和 Michael I. Jordan。 关于机器学习的非凸优化：梯度、随机性和鞍点。 ACM 杂志 (JACM), 68 (2): 1–29, 2021. 10.1145/ 3418526。 网址 https:// / dl.acm.org/ doi/ abs/ 10.1145/ 3418526。 arXiv:1902.04811。
https：/ / doi.org/10.1145/ 3418526
的arXiv：1902.04811

[50] 迈克尔·乔丹。 基于梯度优化的动态、辛和随机观点。 在国际数学家大会论文集：里约热内卢 2018 年，第 523-549 页。 世界科学，2018 年。URL https:/ / doi.org/ 10.1142/ 9789813272880_0022。
https：/ / doi.org/ 10.1142 / 9789813272880_0022

[51] Kenji Kawaguchi、Jiaoyang Huang 和 Leslie Pack Kaelbling。 每个局部最小值是非凸机器学习中归纳模型的全局最小值。 神经计算, 31 (12): 2293–2323, 12 2019. ISSN 0899-7667。 10.1162/neco_a_01234。 网址 https:// / doi.org/ 10.1162/ neco_a_01234。 arXiv:1904.03673v3。
https://doi.org/10.1162/neco_a_01234
arXiv：1904.03673v3

[52] Diederik P. Kingma 和 Jimmy Ba。 Adam：一种随机优化方法。 在第三届国际学习代表大会上，3 年。URL https:// / openreview.net/ forum?id=2015gmWwjFyLj。 arXiv:8。
的arXiv：1412.6980
https:// / openreview.net/ forum?id=8gmWwjFyLj

[53] Alexei Kitaev 和 William A. Webb。 使用量子计算机进行波函数准备和重采样，2008 年。arXiv:0801.0342。
的arXiv：0801.0342

[54] Bobby Kleinberg、Yuanzhi Li 和 Yang Yuan。 另一种观点：SGD 何时逃离局部极小值？ 在机器学习国际会议上，第 2698-2707 页。 PMLR，2018。网址 http:// / proceedings.mlr.press/ v80/ kleinberg18a.html。 arXiv:1802.06175。
的arXiv：1802.06175
http:// / proceedings.mlr.press/ v80/ kleinberg18a.html

[55] Guy Kornowski 和 Ohad Shamir。 非光滑非凸优化中的 Oracle 复杂性。 神经信息处理系统进展，2021 年。URL https:// / openreview.net/ forum?id=aMZJBOiOOPg。 arXiv:2104.06763v2。
arXiv：2104.06763v2
https:// / openreview.net/ forum?id=aMZJBOiOOPg

[56] Rohith Kuditipudi、Xiang Wang、Holden Lee、Yi Zhang、Zhiyuan Li、Wei Hu、Rong Ge 和 Sanjeev Arora。 解释多层网络低成本解决方案的景观连通性。 神经信息处理系统的进展，32：14601–14610，2019。URL http:// / papers.nips.cc/ paper/ 9602-explaining-landscape-connectivity-of-low-cost-solutions-for-多层网。 arXiv:1906.06247。
的arXiv：1906.06247
http://papers.nips.cc/paper/9602-explaining-landscape-connectivity-of-low-cost-solutions-for-multilayer-nets

[57] Harold J. Kushner 和 G. George Yin。 随机逼近和递归算法及应用，第 35 卷。Springer Science & Business Media，2003。10.1007/ 978-1-4471-4285-0_3。
https:/​/​doi.org/​10.1007/​978-1-4471-4285-0_3

[58] Keren Li, Shijie Wei, Pan Gao, Feihao Zhang, Zengrong Zhou, Tao Xin, Xiaoting Wang, Patrick Rebentrost, and Guilu Long. 在量子处理器上优化多项式函数。 npj 量子信息, 7 (1): 1–7, 2021a。 10.1038/s41534-020-00351-5。 arXiv:1804.05231。
https:/​/​doi.org/​10.1038/​s41534-020-00351-5
的arXiv：1804.05231

[59] Zhiyuan Li、Sadhika Malladi 和 Sanjeev Arora。 关于使用随机微分方程 (SDE) 对 SGD 建模的有效性。 在神经信息处理系统的进展中，2021b。 网址 https:// / openreview.net/ forum?id=goEdyJ_nVQI。 arXiv:2102.12470。
的arXiv：2102.12470
https:// / openreview.net/ forum?id=goEdyJ_nVQI

[60] 刘光浩和内森·韦伯。 交互图片中的哈密顿量模拟，2019。URL https:// / arxiv.org/ abs/ 1805.00675v2。 arXiv:1805.00675v2。
arXiv：1805.00675v2

[61] 马丛、王凯正、池悦杰和陈玉新。 非凸统计估计中的隐式正则化：梯度下降线性收敛以进行相位检索和矩阵补全。 在机器学习国际会议上，第 3345-3354 页。 PMLR，2018。网址 http:// / proceedings.mlr.press/ v80/ ma18c.html。 arXiv:1711.10467。
的arXiv：1711.10467
http:// / proceedings.mlr.press/ v80/ ma18c.html

[62] 马腾宇。 为什么局部方法可以解决非凸问题？，第 465-485 页。 剑桥大学出版社，2021。10.1017/ 9781108637435.027。 arXiv:2103.13462。
https：/ / doi.org/10.1017/ 9781108637435.027
的arXiv：2103.13462

[63] Yi-An Ma、Yuansi Chen、Chi Jin、Nicolas Flammarion 和 Michael I. Jordan。 采样可以比优化更快。 美国国家科学院院刊，116 (42)：20881–20885，2019。URL https:// / www.pnas.org/ content/ 116/ 42/ 20881.short。 arXiv:.
https：/ / doi.org/ 10.1073 / pnas.1820003116
https://www.pnas.org/content/116/42/20881.short

[64] Peter A. Markowich 和 Cédric Villani。 关于 Fokker-Planck 方程的平衡趋势：物理学与泛函分析之间的相互作用。 在物理和功能分析中，Matematica Contemporanea (SBM) 19。Citeseer，1999。URL http:// / citeseerx.ist.psu.edu/ viewdoc/ summary?doi=10.1.1.35.2278。
http://citeseerx.ist.psu.edu/viewdoc/summary?doi=10.1.1.35.2278

[65] 洛朗·米歇尔。 关于 Witten Laplacian 的小特征值。 纯粹和应用分析，1 (2): 149 – 206, 2019. 10.2140/ paa.2019.1.149。 网址 https:// / doi.org/ 10.2140/ paa.2019.1.149。 arXiv:1702.01837。
https:// / doi.org/ 10.2140/ paa.2019.1.149
的arXiv：1702.01837

[66] Siddharth Muthukrishnan、Tameem Albash 和 Daniel A. Lidar。 排列对称问题的量子优化中的隧穿和加速。 物理评论 X，6：031010，2016 年 2160 月。ISSN 3308-10.1103。 6.031010/ physrevx.10.1103。 网址 http:// / dx.doi.org/ 6.031010/ PhysRevX.1511.03910。 arXiv:XNUMX。
https：/ / doi.org/ 10.1103 / physrevx.6.031010
的arXiv：1511.03910

[67] 奎恩·阮。 关于深度学习中的连通子水平集。 在机器学习国际会议上，第 4790-4799 页。 PMLR，2019。网址 http:// / proceedings.mlr.press/ v97/ nguyen19a.html。 arXiv:1901.07417。
的arXiv：1901.07417
http:// proceedings.mlr.press/ v97/ nguyen19a.html

[68] Michael A. Nielsen 和 Isaac L. Chuang。 量子计算和量子信息：10 周年纪念版。 剑桥大学出版社，2010 年。10.1017/ CBO9780511976667。
https：/ / doi.org/ 10.1017 / CBO9780511976667

[69] Grigorios A. Pavliotis。 随机过程和应用：扩散过程、Fokker-Planck 和 Langevin 方程，第 60 卷。Springer，2014。10.1007/ 978-1-4939-1323-7。
https:/​/​doi.org/​10.1007/​978-1-4939-1323-7

[70] Qing Qu, Yuexiang Zhai, Xiao Li, Yuqian Zhang, and Zhihui Zhu. 过完备表示学习的优化景观分析，2019。arXiv：1912.02427。
的arXiv：1912.02427

[71] 詹卢卡·拉斯泰利。 不对称双阱势中量子隧穿的半经典公式。 物理评论 A，86：012106，2012 年 10.1103 月。86.012106/ PhysRevA.10.1103。 网址 https://link.aps.org/doi/86.012106/PhysRevA.1205.0366。 arXiv:XNUMX。
https：/ / doi.org/ 10.1103 / PhysRevA.86.012106
的arXiv：1205.0366

[72] Arthur G. Rattew、Yue Sun、Pierre Minssen 和 Marco Pistoia。 量子寄存器中正态分布的有效准备。 量子，5：609，2021。10.22331/q-2021-12-23-609。 网址 https:// / quantum-journal.org/ papers/ q-2021-12-23-609/ 。 arXiv:2009.06601。
https:/​/​doi.org/​10.22331/​q-2021-12-23-609
的arXiv：2009.06601
https：///quantum-journal.org/papers/q-2021-12-23-609/

[73] Patrick Rebentrost、Maria Schuld、Leonard Wossnig、Francesco Petruccione 和 Seth Lloyd。 用于约束多项式优化的量子梯度下降法和牛顿法。 新物理学杂志, 21 (7): 073023, 2019. 10.1088/ 1367-2630/ ab2a9e. arXiv:1612.01789。
https:/​/​doi.org/​10.1088/​1367-2630/​ab2a9e
的arXiv：1612.01789

[74] Burak Şahinoğlu 和 Rolando D. Somma。 低能子空间中的哈密顿模拟。 npj 量子信息，7 (1): 1–5, 2021. 10.1038/ s41534-021-00451-w。 网址 https:// / www.nature.com/ articles/ s41534-021-00451-w。 arXiv:2006.02660。
https：/ / doi.org/ 10.1038 / s41534-021-00451-w
的arXiv：2006.02660
https://www.nature.com/articles/s41534-021-00451-w

[75] JM Schmidt、AN Cleland 和 John Clarke。 小电流偏置约瑟夫森结中的谐振隧道效应。 物理评论 B，43：229–238，1991 年 10.1103 月。43.229/ PhysRevB.10.1103。 网址 https://link.aps.org/doi/43.229/PhysRevB.XNUMX。
https：/ / doi.org/ 10.1103 / PhysRevB.43.229

[76] 亚历山大·舍甫琴科和马尔科·蒙德里。 用于过度参数化神经网络的 SGD 解决方案的景观连通性和丢失稳定性。 在机器学习国际会议上，第 8773-8784 页。 PMLR，2020。网址 http:// / proceedings.mlr.press/ v119/ shevchenko20a.html。 arXiv:1912.10095。
的arXiv：1912.10095
http:// / proceedings.mlr.press/ v119/ shevchenko20a.html

[77] Bin Shi、Weijie J. Su 和 Michael I. Jordan。 关于学习率和薛定谔算子，2020 年。arXiv：2004.06977。
的arXiv：2004.06977

[78] Bin Shi、Simon S. Du、Michael I. Jordan 和 Weijie J. Su。 通过高分辨率微分方程了解加速现象。 数学规划，第 1–70 页，2021 年。10.1007/ s10107-021-01681-8。 网址 https:// / doi.org/ 10.1007/ s10107-021-01681-8。 arXiv:1810.08907。
https:/​/​doi.org/​10.1007/​s10107-021-01681-8
的arXiv：1810.08907

[79] Weijie Su、Stephen Boyd 和 Emmanuel J. Candes。 Nesterov 加速梯度法建模的微分方程：理论与见解。 机器学习研究杂志，17 (1): 5312–5354, 2016. 10.5555/ 2946645.3053435。 网址 https:// / dl.acm.org/ doi/ abs/ 10.5555/ 2946645.3053435。 arXiv:1503.01243。
https：/ / doi.org/10.5555/ 2946645.3053435
的arXiv：1503.01243

[80] 孙若禹。 深度学习优化：理论与算法，2019 年。arXiv：1912.08957。
的arXiv：1912.08957

[81] 库纳尔·塔尔瓦。 采样和优化之间的计算分离。 神经信息处理系统的进展，32：15023–15033，2019。URL http:// / papers.nips.cc/ paper/ 9639-computational-separations-between-sampling-and-optimization。 arXiv:1911.02074。
的arXiv：1911.02074
http://papers.nips.cc/paper/9639-computational-separations-between-sampling-and-optimization

[82] Hao Tang, Xiao-Feng Lin, Zhen Feng, Jing-Yuan Chen, Jun Gao, Ke Sun, Chao-Yue Wang, Peng-Cheng Lai, Xiao-Yun Xu, Yao Wang, Lu-Feng Qiao, Ai-Lin Yang,和金宪民。 光子芯片上的实验性二维量子行走。 科学进步，4 (5)：eaat3174，2018。10.1126/ sciadv.aat3174。 网址 https:// / www.science.org/ doi/ 10.1126/ sciadv.aat3174。 arXiv:1704.08242。
https：/ / doi.org/ 10.1126 / sciadv.aat3174
的arXiv：1704.08242

[83] 塞德里克·维拉尼。 低矫顽力，美国数学学会回忆录第 202 卷。 美国数学学会，2009。10.1090/ S0065-9266-09-00567-5。 arXiv:math/ 0609050.
https:/​/​doi.org/​10.1090/​S0065-9266-09-00567-5
arXiv：math / 0609050

[84] Andre Wibisono、Ashia C. Wilson 和 Michael I. Jordan。 优化加速方法的变分视角。 美国国家科学院院刊，113 (47)：E7351–E7358，2016. 10.1073/ pnas.1614734113。 网址 https:// / doi.org/ 10.1073/ pnas.1614734113。 arXiv:1603.04245。
https：/ / doi.org/ 10.1073 / pnas.1614734113
的arXiv：1603.04245

[85] 张晨仪和李彤阳。 通过简单的基于梯度下降的算法逃避鞍点。 神经信息处理系统进展，第 34 卷，2021 年。URL https:// / openreview.net/ forum?id=lEf52hTHq0Q。 arXiv:2111.14069。
的arXiv：2111.14069
https:// / openreview.net/ forum?id=lEf52hTHq0Q

[86] Chenyi Zhang、Jiaqi Leng 和 Tongyang Li。 逃离鞍点的量子算法。 量子，5：529，2021a。 10.22331/q-2021-08-20-529。 arXiv:2007.10253。
https:/​/​doi.org/​10.22331/​q-2021-08-20-529
的arXiv：2007.10253

[87] 张凯宁、谢敏秀、刘刘和陶大成。 在非凸优化中寻找负曲率方向的量子算法，2019。arXiv：1909.07622。
的arXiv：1909.07622

[88] 张玉倩、Qing Qu 和 John Wright。 从对称到几何：易处理的非凸问题，2021b。 arXiv:2007.06753。
的arXiv：2007.06753