深度学习优化随机伊辛模型的最优量子退火调度
量子物理
2023-08-09 v3
摘要
在争取量子优势的竞赛中，一个关键步骤是使用特制的退火调度来优化量子退火。受该领域近期进展的启发，我们提出采用长短期记忆（LSTM）神经网络来自动搜索正则图上随机伊辛模型的最优退火调度。通过使用局部绝热退火路径训练我们的网络，我们能够为未见过的实例甚至比训练所用更大的图预测最优退火调度。
引用
@article{arxiv.2211.15209,
title = {Deep learning optimal quantum annealing schedules for random Ising models},
author = {Pratibha Raghupati Hegde and Gianluca Passarelli and Giovanni Cantele and Procolo Lucignano},
journal= {arXiv preprint arXiv:2211.15209},
year = {2023}
}
备注
10 pages, 8 figures