利用少量测量学习分类物质的量子相
量子物理
2024-09-10 v1 其他凝聚态物理
统计力学
机器学习
机器学习
摘要
我们研究在零温度下，当仅预先知道部分相图时物质量子相的识别。遵循监督学习方法，我们展示了如何利用先验知识构建一个可观测量，该观测量能够即使在未知区域也能对相进行分类。通过结合经典和量子技术，如张量网络、核方法、泛化界、量子算法和影子估计器，我们表明在某些情况下，新基态的认证可以通过多项式次数的测量来实现。我们发现的一个重要应用是对量子模拟器（例如冷原子实验）中获得的物质相进行分类，这些模拟器能够高效制备复杂多粒子系统的基态并应用简单测量（例如单量子比特测量），但无法执行通用门集。
引用
@article{arxiv.2409.05188,
title = {Learning to Classify Quantum Phases of Matter with a Few Measurements},
author = {Mehran Khosrojerdi and Jason L. Pereira and Alessandro Cuccoli and Leonardo Banchi},
journal= {arXiv preprint arXiv:2409.05188},
year = {2024}
}