中文

用于对比贝态和费米子动力学的基准测试

机器学习 2025-03-25 v3

摘要

类比量子模拟允许对强相关量子系统的静态和动力学性质进行高度精确的评估。为了实现超越经典计算机范围的模拟,要求对预期的哈密顿量进行准确且可靠的实现。为此,表征和基准测试工具是必不可少的。对于数字量子设备,随机基准测试可以对门组的平均实现质量提供基准。在本文中,我们引入了一个用于对贝态和费米子量子设备进行随机类比基准测试的 versatile 框架,这些设备实现保留粒子数的动力学。该方案利用类比模拟器和其他连续变量系统中固有的受限操作。重要的是,像随机基准测试一样,它对状态准备和测量误差具有鲁棒性。我们讨论了该方案的效率,推导了理论性能保证,并通过数值示例展示了该协议。

关键词

引用

@article{arxiv.2408.11104,
  title  = {ConFIG: Towards Conflict-free Training of Physics Informed Neural Networks},
  author = {Qiang Liu and Mengyu Chu and Nils Thuerey},
  journal= {arXiv preprint arXiv:2408.11104},
  year   = {2025}
}

备注

Accepted by ICLR2025 as spotlight paper; Project homepage: https://tum-pbs.github.io/ConFIG/