利用哈密顿傅里叶特征学习哈密顿量函数
量子物理
2025-05-09 v2
摘要
我们提出了一个对量子计算机而言可被证明易于实现、而对经典计算机而言则可能难以实现的量子机器学习任务。该任务涉及预测形式为 的量，其中 为未知函数，给定 和 的描述。通过对哈密顿量使用傅里叶基特征图和线性回归，我们理论上建立了该任务的可学习性，并在具有最多 40 个量子比特的超导设备上实现了它。本工作提供了一个具有实际应用价值、可被证明的量子易解性以及近期可行性的机器学习任务。
引用
@article{arxiv.2504.16370,
title = {Learning functions of Hamiltonians with Hamiltonian Fourier features},
author = {Yuto Morohoshi and Akimoto Nakayama and Hidetaka Manabe and Kosuke Mitarai},
journal= {arXiv preprint arXiv:2504.16370},
year = {2025}
}
备注
12 pages, 6 figures; added a discussion on noise