基于无界损失函数的自适应量子生成训练
量子物理
2025-01-30 v1
摘要
我们提出了一种量子生成学习算法 R\'enyi-ADAPT，采用自适应导数组装问题定制试探波函数（ADAPT）框架，其中最小化的损失函数为二阶最大量子 R\'enyi 散度——一种无界函数，能够缓解抑制变分电路训练的贫瘠高原问题。我们通过学习随机双局域热态，将该方法与其他最先进的自适应算法进行了基准比较。我们在最多 12 个量子比特的系统上进行了数值实验，将我们的方法与使用线性目标函数的学习算法进行了对比，结果表明 R\'enyi-ADAPT 能够构建与现有方法竞争的浅层量子电路，同时由于最大 R\'enyi 散度损失函数的作用，梯度始终保持有利。
引用
@article{arxiv.2408.00218,
title = {Adaptive Quantum Generative Training using an Unbounded Loss Function},
author = {Kyle Sherbert and Jim Furches and Karunya Shirali and Sophia E. Economou and Carlos Ortiz Marrero},
journal= {arXiv preprint arXiv:2408.00218},
year = {2025}
}