主讲人：车彦明
开始时间：2025-10-13 10:00
地点：物理北楼104多媒体教室
报告人简介：
车彦明博士于2010年获得中国浙江大学理论物理学学士学位，2016年获浙江大学理论物理学博士学位，主要研究量子多体理论。此后他先后在浙江大学、日本理化学研究所及密歇根大学，从事量子信息科学及机器学习与量子物理交叉领域的博士后研究工作。目前他的研究重点聚焦于机器学习与量子物理问题的交叉融合，特别关注可解释性模型及可证明保证的理论框架。
报告内容简介：
本次报告将介绍我们在量子计算、量子复杂性理论与拓扑序的无监督机器学习交叉领域的最新研究。受Kolmogorov复杂度与无监督机器学习紧密关联的启发，我们以量子电路复杂度——量子计算与量子信息科学中的重要概念——为枢纽，探索如何构建可解释且高效的量子多体系统拓扑序无监督学习方法。为将理论概念转化为实际应用，我们提出两个定理：其一建立了Nielsen量子电路复杂度与任意两个量子多体态间保真度变化（或量子Fisher复杂度）的关联，其二揭示了其与纠缠生成的关联。基于这些关联，我们构建了更易于实现的保真度与纠缠相似性度量（核函数）。通过针对键交替XXZ自旋链量子相、Kitaev环面码基态及随机乘积态的无监督聚类数值实验，验证了所提核函数的卓越性能。报告还将探讨其与经典阴影层析及阴影核学习的关联，其中后者可通过我们的方法得到自然阐释。我们的研究成果在量子电路计算、量子复杂性及拓扑量子序机器学习的关键概念与工具之间建立了深刻联系。
