贫瘠高原阻碍对置乱过程的学习
量子物理
2021-10-20 v3 广义相对论与量子宇宙学
高能物理 - 理论
摘要
置乱过程通过多体量子体系迅速扩散纠缠，难以用标准技术研究，但与量子混沌和热化相关。在本快报中，我们探究量子机器学习（QML）是否可用于研究此类过程。我们证明了一个用 QML 学习未知置乱过程的不可能定理，表明任意变分 ansatz 极有可能具有贫瘠高原景观，即代价梯度随体系大小指数消失。这意味着即便采用避免此类标度（例如基于 ansatz 的贫瘠高原或 No-Free-Lunch 定理）的策略，所需资源仍呈指数标度。此外，我们在数值与解析上将对未知置乱过程的结果推广至近似置乱过程。因此，我们的工作在无先验信息时对任意酉矩阵可学习性给出了一般性限制。
引用
@article{arxiv.2009.14808,
title = {Barren plateaus preclude learning scramblers},
author = {Zoë Holmes and Andrew Arrasmith and Bin Yan and Patrick J. Coles and Andreas Albrecht and Andrew T. Sornborger},
journal= {arXiv preprint arXiv:2009.14808},
year = {2021}
}
备注
5 pages, 3 figures in the main text. 6 pages, 1 figure in the supplementary information. Comments welcome