增强神经网络在近似 Clifford+T 电路综合中的适用性
量子物理
2025-04-23 v1
摘要
深度神经网络的机器学习已彻底变革了科学和工程问题的计算方法。许多这类突破性成果都依赖于精心调谐的神经架构，这些架构专为其所用领域量身定制。本文发展了深度学习技术和架构修改，以提高在由强化学习引导的量子电路综合中的性能——即构建实现给定酉矩阵的电路的任务。首先，我们提出一种全局相位不变性操作，使我们的架构对复杂全局相位位移更具鲁棒性。其次，我们展示了通过在训练时以小随机酉扰动增强数据可实现更稳健的学习。最后，我们表明，采用图像处理技术对数值数据进行编码可使网络更好地检测数据中的细微但关键变化。我们的工作使深度学习方法能够更好地综合实现酉矩阵的量子电路。
引用
@article{arxiv.2504.15990,
title = {Making Neural Networks More Suitable for Approximate Clifford+T Circuit Synthesis},
author = {Mathias Weiden and Justin Kalloor and John Kubiatowicz and Costin Iancu},
journal= {arXiv preprint arXiv:2504.15990},
year = {2025}
}
备注
arXiv admin note: substantial text overlap with arXiv:2409.00433