“十四五”规划指出要瞄准量子信息等前沿领域，实施一批具有前瞻性、战略性的国家重大科技项目。由此，量子计算的应用和研究被推向新高度。借助媒体的力量，量子机器学习、量子人工智能、量子计算机等词汇频频映入大众眼帘。作为量子信息中通用计算模型的关键技术，量子行走更是得到了研究者的广泛关注，国际上不断出现关于量子行走的前沿成果的报道，其在信息安全和空间搜索领域深得研究者青睐。
简单而言，量子行走研究的是粒子在由节点和链路构成的图上的运动。量子行走自经典随机行走的马尔可夫过程扩展而来，虽然二者的粒子（行走者）均是严格依赖网络中的链路关系而运动并能通过测量概率有效捕捉网络的结构特征，但二者的性质和表现不尽相同。一方面，量子行走的叠加特性为粒子在图上的运动赋予“分身术”，使其具有加速特点；另一方面，量子行走测量过程发生的坍缩令测量结果产生震荡。由此，从量子行走震荡的测量结果中挖掘复杂网络的关键节点、关键链路及社团结构成为一项具有挑战性且富有魅力的课题。特别是利用量子行走表征网络中的微观个体，如节点和链路，将量子行走的应用进一步推广至网络同构、网络分类和节点嵌入等研究领域，极大展现了量子行走在复杂网络方面的应用价值。
量子行走在复杂网络中的应用研究不仅扩充了量子算法的应用前景，还为非量子的复杂网络结构挖掘方法提供了新的设计思路。融合作者的部分研究成果和领域内的代表性工作，旨在为读者呈现量子行走在复杂网络上的研究动态。全书共 6 章。第 1 章主要介绍量子计算理论基础，讨论量子算法同非量子算法间的联系，并概述低维量子行走的应用。第 2 章介绍规则图上量子行走的表现和性质，并基于此探讨复杂网络上量子行走算法的设计思路。第 3 章介绍基于量子行走挖掘网络关键节点的工作。第 4 章为量子行走在复杂网络关键链路识别和链路预测中的应用。第5 章为量子行走在网络社团发现中的应用。第6 章介绍量子行走在网络表示学习和图神经网络上的应用，并探讨量子行走在此类研究上的未来发展方向。
本书的组织结构
↑ 点击图片 即可购书
内容简介
本书是针对量子计算和网络科学交叉领域研究的专著。本书结合作者的部分研究成果，旨在介绍量子行走算法在复杂网络结构挖掘和表示学习中的应用，主要内容有：量子计算和量子行走的基础理论，低维量子行走的泛化定义和性质，离散时间量子行走和连续时间量子行走在网络节点、网络链路以及网络子图挖掘中的应用，量子行走在网络表示学习和图神经网络中的应用。
本书内容新颖、专业性强，可供从事复杂网络和量子计算领域的科研工作者、研究生及教学人员参考。
目录速览
前言
第1章 量子计算和量子行走 1
1.1 量子计算基本概念 2
1.1.1 狄拉克符号和量子比特 2
1.1.2 常见的运算和算符 4
1.1.3 量子线路基本概念 7
1.1.4 量子力学的基本假设 9
1.2 量子算法简介 11
1.2.1 Grover搜索算法 12
1.2.2 量子行走 15
1.2.3 HHL量子算法 17
1.2.4 量子算法同非量子算法间的联系 19
1.3 低维量子行走应用简介 21
1.3.1 低维量子行走在信息安全中的应用 22
1.3.2 低维量子行走在空间搜索中的应用 23
1.4 全书组织结构 25
第2章 量子行走理论基础 27
2.1 规则图上的量子行走 28
2.1.1 低维离散时间量子行走 28
2.1.2 一维连续时间量子行走 37
2.1.3 规则图上量子行走的变体研究 39
2.2 复杂网络上的量子行走 42
2.2.1 复杂网络的研究意义 42
2.2.2 复杂网络上量子行走综述 44
2.2.3 复杂网络上量子行走算法的设计 47
2.3 本书量子行走算法的一般框架 51
2.4 本章小结 53
第3章 量子行走在网络节点挖掘中的应用 54
3.1 复杂网络节点挖掘定义及评价指标 54
3.2 离散时间量子行走在节点挖掘中的应用 56
3.2.1 量子谷歌网页排序算法 56
3.2.2 含参的硬币量子行走算法 58
3.2.3 三度衰减Grover行走算法 61
3.3 连续时间量子行走在节点挖掘中的应用 68
3.3.1 开放量子系统的谷歌网页排序算法 68
3.3.2 量子詹森-香农散度算法 70
3.3.3 基于量子行走的信息传播模型 74
3.4 本章小结与扩展 81
第4章 量子行走在网络链路挖掘中的应用 83
4.1 复杂网络链路挖掘的定义及评价方法 83
4.2 量子行走在关键链路识别中的应用 87
4.2.1 静态复杂网络上的Hadamard行走算法 87
4.2.2 Hadamard行走算法的关键链路挖掘实验 90
4.2.3 Hadamard行走在动态无人机网络中的应用 93
4.3 量子行走在链路预测中的应用 98
4.3.1 量子链路预测算法 98
4.3.2 简化量子行走算法 101
4.4 本章小结与讨论 108
第5章 量子行走在网络社团发现中的应用 110
5.1 复杂网络社团发现问题描述及评价指标 110
5.2 离散时间量子行走在社团发现中的应用 112
5.2.1 两阶段量子行走算法 112
5.2.2 Fourier量子行走算法 115
5.2.3 社团发现实验及分析 117
5.3 连续时间量子行走在社团发现中的应用 121
5.4 本章小结与讨论 125
第6章 量子行走在网络表示学习中的应用 128
6.1 网络表示学习及其分类任务 128
6.2 量子行走在节点嵌入中的研究及应用 132
6.2.1 基于量子行走的节点相似性估计算法 132
6.2.2 基于量子行走的角色嵌入算法 136
6.3 基于量子行走的图神经网络及图核 139
6.3.1 依赖特征硬币的量子行走神经网络 139
6.3.2 基于快速量子行走的R 卷积核 142
6.4 本章小结与讨论 146
结束语 148
参考文献 151
附录 165
（本文编辑：王芳）
科学出版社视频号
硬核有料 视听科学