我是一名助理教授计算机科学与工程和数学部门加州大学圣地亚哥分校我的研究方向是量子复杂性理论。我对近期量子计算范式特别感兴趣，并证明它们相对于经典计算范式具有某种量子优势。

以前，我是量子计算研究所在滑铁卢大学。我在完成博士学位麻省理工学院在计算机科学专业斯科特·阿伦森。我在南卡罗来纳大学获得了计算机科学和数学学士学位。
教学(前几年)
学生
选定的研究
  • 纯态的样本最优经典阴影一般来说，要了解量子实验的输出，你可能需要多次以指数形式运行它。幸运的是，只有量子态的某些特征对于许多应用程序来说才是重要的，一种流行的量子学习算法叫做经典阴影已成为大幅减少实验数量的一种方法。在这项工作中，我们展示了当你可以假设未知量子态是纯的时，如何进一步降低这一成本——这是大量量子算法的自然设置。
  • 二分高斯玻色子采样的复杂性(谈话) 玻色子取样是一项广受欢迎的任务提议，量子计算机可以轻松解决经典设备无法有效模拟的问题。在这项工作中，我们给出了这个建议的一个修改版本（BipartiteGBS），并证明它可以在比传统玻色子取样更适合于近期实验的区域中导致经典的难处理性。
  • 交互式浅Clifford电路：对抗NC^1及其后的量子优势(谈话)量子计算机优于经典计算机的大多数证明都是基于一些猜测。然而，当比较低深度量子电路和低深度经典电路时，会出现不同的情况-条件分离。在这一系列的工作中，我们证明了这种类型的最大已知分离之一，这种分离基于一种带有特别简单类型的浅量子电路的交互协议。
联系人
电子邮件：dgrier@ucsd.edu
办公室：CSE 4218
个人简历（上次更新时间：7/24）乳臭虫