Speaker

　　Title

　　Time

　　Venue

N204

　　Abstract

　　High-dimensional sampling problems are ubiquitous in statistics, operations research, machine learning, etc. In this talk, I will introduce quantum algorithms for two important problems in high-dimensional sampling: logconcave sampling and volume estimation. Technically, we show how to give quantum speedups of Monte Carlo methods by using a quantum version of simulated annealing, applying quantum mean estimation, and replacing classical random walks by quantum walks. This talk is based on two papers: 1. Andrew M. Childs, Tongyang Li, Jin-Peng Liu, Chunhao Wang, Ruizhe Zhang, “Quantum Algorithms for Sampling Log-Concave Distributions and Estimating Normalizing Constants”, QIP 2023, NeurIPS 2022, arXiv:2210.06539. 2. Shouvanik Chakrabarti, Andrew M. Childs, Shih-Han Hung, Tongyang Li, Chunhao Wang, Xiaodi Wu, “Quantum algorithm for estimating volumes of convex bodies”, QIP 2020, ACM Transaction on Quantum Computing 2023, arXiv:1908.03903.

　　Affiliation

　　李彤阳，现任北京大学前沿计算研究中心助理教授、博士生导师，北京大学博雅青年学者。他于2015年在清华大学交叉信息研究院和数学科学系分别获得工学士学位和理学士学位，2020年在美国马里兰大学获得博士学位，之后在麻省理工学院从事博士后研究工作，于2021年加入北京大学。他的科研围绕理论计算机、量子计算、人工智能的交叉领域展开，研究成果已在Journal of ACM、STOC、IEEE Transactions on Information Theory、ICML、NeurIPS、AAAI 等期刊、会议发表论文二十余篇；7次在国际量子信息方向的权威会议 QIP 上作报告；担任量子科学领域期刊 Quantum 的期刊编辑，以及相关领域多家顶级期刊和会议的审稿人，并于 ICML 2020和ICML 2022会议中荣获优秀审稿人奖和杰出审稿人奖。曾获得 IBM 博士奖学金、美国自然科学基金委 QISE-NET Triplet 奖学金、以及马里兰大学 Lanczos 奖学金。