基于量子硬件的Sachdev-Ye-Kitaev模型热态准备改进

Akash Kundu

基于量子硬件的Sachdev-Ye-Kitaev模型热态准备改进

量子物理 2025-06-05 v2 人工智能机器学习高能物理 - 格点高能物理 - 理论

作者: Akash Kundu

摘要

Sachdev-Ye-Kitaev（SYK）模型以其强量子关联和混沌行为而闻名，作为量子引力研究的关键平台。然而，对于大型系统（ $N>12$ ，其中 $N$ 为Majorana费米子数量）在近期量子处理器上变分准备热态，由于参数化量子电路复杂度的快速增长，面临重大挑战。本文通过将强化学习（RL）与卷积神经网络相结合，采用迭代方法优化量子电路及其参数。该优化过程依据由熵和SYK哈密顿量的期望值构成的复合奖励信号进行指导。该方法在传统方法（如一阶Trotter化）相比，对于 $N\geq12$ 的系统可将CNOT门数量降低两个数量级。我们在无噪声和噪声量子硬件环境中均证明了该RL框架的有效性，保持了高精度的热态准备。该工作推动了一套具有量子引力研究及在近期量子硬件上计算众多体系中超时间序热关联子应用潜力的可扩展、基于RL的框架。代码已公开于https://github.com/Aqasch/solving_SYK_model_with_RL。

关键词

Sachdev-Ye-Kitaev模型热态准备强化学习量子硬件卷积神经网络

引用

@article{arxiv.2501.11454,
  title  = {Improving thermal state preparation of Sachdev-Ye-Kitaev model with reinforcement learning on quantum hardware},
  author = {Akash Kundu},
  journal= {arXiv preprint arXiv:2501.11454},
  year   = {2025}
}

备注

Accepted in Machine Learning: Science and Technology. Code at https://github.com/Aqasch/solving_SYK_model_with_RL

基于量子硬件的Sachdev-Ye-Kitaev模型热态准备改进

摘要

关键词

引用

备注

相关论文