用于量子态层析的高效因子化梯度下降算法
量子物理
2024-07-09 v4 数据分析、统计与概率
摘要
重构量子多体系统的态在量子信息任务中具有根本重要性，但因维度灾难而极具挑战。本工作中，我们提出一种高效量子层析协议，其将态因子化与特征值映射相结合以解决秩亏问题，并引入动量加速梯度下降算法来加快优化过程。我们进行了大量数值实验，表明我们的因子化梯度下降算法有效缓解秩亏问题，并获得数量级更优的层析精度与更快收敛。我们还发现，该方法能在一分钟内完成随机11量子比特混合态的全态层析。
引用
@article{arxiv.2207.05341,
title = {Efficient factored gradient descent algorithm for quantum state tomography},
author = {Yong Wang and Lijun Liu and Shuming Cheng and Li Li and Jie Chen},
journal= {arXiv preprint arXiv:2207.05341},
year = {2024}
}