哈密顿量子生成对抗网络
量子物理
2024-07-09 v2
摘要
我们提出哈密顿量子生成对抗网络（HQuGANs），利用两个相互竞争的量子最优控制来学习生成未知的输入量子态。该算法的博弈论框架受经典生成对抗网络在学习高维分布方面成功的启发。量子最优控制方法不仅使算法能自然适应近期硬件的实验约束，而且与线路模型相比，提供了对过参数化更自然的刻画。我们在数值上展示了所提框架在学习各种高度纠缠的多体量子态方面的能力，使用的是简单的两体哈密顿量，并在实验相关约束（如低带宽控制）下完成。我们分析了在量子计算机上实现 HQuGANs 的计算代价，并展示了该框架如何扩展以学习量子动力学。此外，我们引入了一种新的代价函数，规避了阻碍 HQuGANs 收敛的模式崩溃问题，并展示了在生成纯态时如何加速其收敛。
引用
@article{arxiv.2211.02584,
title = {Hamiltonian Quantum Generative Adversarial Networks},
author = {Leeseok Kim and Seth Lloyd and Milad Marvian},
journal= {arXiv preprint arXiv:2211.02584},
year = {2024}
}