唐豪 副研究员
研究领域: 量子光学,量子计算
办公地点: 理科楼5号楼432
电子邮箱: htang2015@sjtu.edu.cn
研究方向: 量子光学,量子算法的实验实现与应用探究

简历:

唐豪于2010年获得华中科技大学电子科学与技术系本科学位及金融学本科双学位。受英国工程与自然研究理事会(EPSRC)全额奖学金资助,于2014年获得英国谢菲尔德大学光电半导体物理方向博士学位。并于伦敦商学院进修固定收益及利率衍生品的金融量化分析。于2015年6月加入上海交通大学物理与天文学院工作至今。先后获得博士后特别资助、国家自然科学基金青年项目、国家重点研发计划变革性项目子课题等经费支持。入选2019年福布斯中国“30位30岁以下精英榜”(Forbes China 30 under 30),2021年“上海科技青年35人引领计划”。

研究方向:

(1)基于集成光子芯片的专用量子计算及变分量子计算研究

(2)开放量子系统量子模拟及量子仿生学

(3)伊辛机与绝热量子计算

(4)量子计算在人工智能、优化、化学及金融分析应用领域的理论探究与实验演示

目前讲授课程包括面向研究生的《量子光学》课程,及面向致远学院本科生的《量子信息技术》及《量子信息技术实践》课程。

诚挚欢迎对量子信息技术感兴趣的本科大四同学加入本研究生项目,以及本科一至三年级同学参与相关PRP等本科生科研实践活动。

 

 

主要著作:

基于光子芯片的量子行走、量子快速到达等专用量子计算:

1. Tang, H., Lin, X. F., Feng, Z., Chen, J. Y., Gao, J., Sun, K., Wang, C. Y., Lai, P. C., Xu, X. Y., Wang, Y., Qiao, L. F., Yang, A. L., and Jin, X. M.# Experimental Two-dimensional Quantum Walk on a Photonic Chip. Science Advances 4, eaat3174 (2018). (本工作于2019年1月入选光电汇盘点的“2018年度中国十大光学产业技术”)

2. Tang, H., Di Franco, C., Shi, Z. Y., He, T. S., Feng, Z., Gao, J., Sun, K., Li, Z. M., Jiao Z. Q., Wang, T. Y., Kim, M. S., and Jin, X. M.# Experimental quantum fast hitting on hexagonal graphs. Nature Photonics 12, 754-758 (2018). (本工作于2019年3月入选中国激光杂志社 “2018中国光学十大进展”)

3. Shi, Z. Y., Tang, H., Feng, Z., Wang, Y., Li, Z. M., Gao, J., Chang, Y. J., Wang, T. Y., Dou, J. P., Zhang, Z. Y., Jiao, Z. Q., Zhou, W. H., and Jin, X, M.# Quantum Fast Hitting on Glued Trees Mapped on a Photonic chip. Optica 7, 613-618 (2020).

开放量子系统的实验与理论研究:

1. Tang, H.*, Shi, R. X.*, He, T. S.*, Zhu, Y. Y., Wang, T. Y., Lee, M., and Jin, X. M.# TensorFlow Solver for Quantum PageRank in Large-Scale Networks. Science Bulletin 66, 120-126 (2021).

2. Tang, H., Feng, Z., Wang, Y. H., Lai, P. C., Wang, C. Y., Ye, Z. Y., Wang, C. K., Shi, Z. Y., Wang, T. Y., Chen, Y., Gao, J., and Jin, X, M.# Experimental quantum stochastic walks simulating associative memory of Hopfield neural networks. Physical Review Applied 11, 024020 (2019).

量子计算用于金融、机器学习等应用研究:

1. Tang, H.#, Anurag, P., Wang, T. Y., Qiao, L. F., Gao, J., and Jin, X. M.# Quantum Computation for Pricing the Collateralized Debt Obligations. arXiv: 2008.04110 (2020).

2. Shi, R. X.#, H. Tang#, & Jin, X. M.#  Training a Quantum PointNet with Nesterov Accelerated Gradient Estimation by Projection. Paper No. 8 of the 1st Workshop on Quantum Tensor Networks in Machine Learning at 34th Conference on Neural Information Processing Systems (NeurIPS 2020)

3. Gao, J., Qiao, L. F., Jiao, Z. Q., Ma, Y. C., Hu, C. Q., Ren, R. J., Yang, A. L., Tang, H., Yung, M. H., and Jin, X. M.# Experimental Machine Learning of Quantum States. Physical Review Letters 120, 240501 (2018).