NISQ 时代的机器学习量子态
量子物理
2020-04-21 v1 无序系统与神经网络
量子气体
强关联电子
摘要
我们回顾机器学习中用于重建真实的、含噪声的多量子比特量子态的生成建模技术的发展。受其可解释性和实用性的驱动，我们详细讨论受限玻尔兹曼机的理论。我们展示其在态重建中的实际用途，从伊辛自旋的经典热分布开始，然后系统地过渡到日益复杂的纯态与混合量子态。旨在用于实验性噪声中等规模量子（NISQ）器件，我们回顾近期在冷原子波函数重建方面的努力。最后，我们讨论在 NISQ 时代及以后使用机器学习进行未来实验态重建的前景。
引用
@article{arxiv.1905.04312,
title = {Machine learning quantum states in the NISQ era},
author = {Giacomo Torlai and Roger G. Melko},
journal= {arXiv preprint arXiv:1905.04312},
year = {2020}
}
备注
14 pages, 4 figures