報告人：李三江

時間：2020年12月4日 15:00

地點：騰訊會議（會議號：305258746）

主辦單位：計算機科學(xué)學(xué)院 計算智能與量子信息學(xué)研究團隊

李三江，男，1975年2月生于陜西渭南。2001年獲四川大學(xué)基礎(chǔ)數(shù)學(xué)博士學(xué)位，師從劉應(yīng)明院士、羅懋康教授。現(xiàn)為澳大利亞悉尼科技大學(xué)教授。主要研究方向為人工智能理論，具體研究內(nèi)容涉及知識表示與推理、時空推理、模糊推理、約束求解等。自2001年以來他與合作者系統(tǒng)深入地研究了空間推理的定性方法，并在空間關(guān)系建模和空間約束求解等方面取得重要成果。這些成果主要發(fā)表在人工智能領(lǐng)域重要國際刊物和頂級國際會議，其中包括Artificial Intelligence Journal多篇。2004年獲德國洪堡基金會資助到德國弗賴堡大學(xué)訪問（任洪堡學(xué)者），2006年獲首屆微軟青年教授獎，2008年獲中創(chuàng)軟件人才獎，2009年獲澳大利亞ARC Future Fellow獎，2010年獲悉尼科技大學(xué)ECR Research Excellence Award。

報告摘要：Tensor networks have been successfully applied in simulation of quantum physical systems for decades. This work proposes a decision-diagram style data structure, called TDD (Tensor Decision Diagram), for more principled and convenient applications of tensor networks. This new data structure provides a compact and canonical representation for quantum circuits. By exploiting circuit partition, the TDD of a quantum circuit can be computed efficiently. A proof-of-concept implementation of TDDs is presented and its efficiency is evaluated on a set of benchmark quantum circuits. It is expected that TDDs will play an important role in design automation tasks including equivalence checking, error detection, synthesis, simulation, and verification.