量子噪声对量子生成对抗网络训练的影响
量子物理
2023-03-01 v1 高能物理 - 实验
摘要
当前含噪中等规模量子设备受到各种固有量子噪声源的影响。克服噪声影响是一项重大挑战，为此已提出了不同的错误缓解和错误校正技术。本文首次研究了量子生成对抗网络（qGAN）在不同类型量子噪声下的性能，重点关注高能物理中的一个简化用例。我们特别探索了读出错误和双量子比特门错误对qGAN训练过程的影响。通过使用IBM的Qiskit框架经典模拟含噪量子设备，我们考察了能够进行可靠训练的错误率阈值。此外，我们研究了在不同错误率下各种超参数对训练过程的重要性，并探索了读出错误缓解对结果的影响。
引用
@article{arxiv.2203.01007,
title = {Impact of quantum noise on the training of quantum Generative Adversarial Networks},
author = {Kerstin Borras and Su Yeon Chang and Lena Funcke and Michele Grossi and Tobias Hartung and Karl Jansen and Dirk Kruecker and Stefan Kühn and Florian Rehm and Cenk Tüysüz and Sofia Vallecorsa},
journal= {arXiv preprint arXiv:2203.01007},
year = {2023}
}
备注
6 pages, 5 figures, Proceedings of the 20th International Workshop on Advanced Computing and Analysis Techniques in Physics Research (ACAT 2021)