在超导处理器上配备反向传播的深度量子神经网络
量子物理
2023-07-11 v1
摘要
近年来深度学习和量子计算取得了引人注目的进展。这两个快速发展领域之间的相互作用催生了量子机器学习这一新的研究前沿。在这项工作中,我们报道了首次在六量子比特可编程超导处理器上通过反向传播算法训练深度量子神经网络的实验演示。特别地,我们展示了三层深度量子神经网络可被高效训练以学习两量子比特量子信道,平均保真度高达 96.0%,以及分子氢的基态能量,相对于理论值的准确度高达 93.3%。此外,六层深度量子神经网络可以类似方式训练,对学习单量子比特量子信道达到高达 94.8% 的平均保真度。我们的实验结果明确展示了深度量子神经网络的优势,包括反向传播算法的量子类比,以及对其组成物理量子比特更宽松的相干时间要求,从而为近期和未来量子设备的量子机器学习应用提供了有价值的指导。
引用
@article{arxiv.2212.02521,
title = {Deep quantum neural networks equipped with backpropagation on a superconducting processor},
author = {Xiaoxuan Pan and Zhide Lu and Weiting Wang and Ziyue Hua and Yifang Xu and Weikang Li and Weizhou Cai and Xuegang Li and Haiyan Wang and Yi-Pu Song and Chang-Ling Zou and Dong-Ling Deng and Luyan Sun},
journal= {arXiv preprint arXiv:2212.02521},
year = {2023}
}
备注
7 pages (main text) + 11 pages (Supplementary Information), 10 figures