量子机器学习中 ansätze 的图示化设计与研究
量子物理
2020-11-24 v1 计算机科学中的逻辑
摘要
鉴于量子机器学习（QML）日益流行，开发能有效简化常用参数化量子电路族（通常称为 ansätze）的技术十分重要。本论文开创了使用图示化技术来推理 QML ansätze 的先河。我们取常用的 QML ansätze 并将其转换为图示形式，并完整描述这些门如何对易，使电路更易于分析与简化。此外，我们利用 CNOT 与相位小工具（phase gadgets）之间相互作用的组合描述，来分析分层 ansätze 中的周期性现象，并简化 QML 中常用的一类电路。
引用
@article{arxiv.2011.11073,
title = {Diagrammatic Design and Study of Ans\"{a}tze for Quantum Machine Learning},
author = {Richie Yeung},
journal= {arXiv preprint arXiv:2011.11073},
year = {2020}
}