利用纠缠量子生成对抗网络进行多量子比特态学习
量子物理
2022-09-28 v2
摘要
经典生成对抗网络（GANs）日益增大的成功激发了若干量子版 GANs。此类量子 GANs 的全量子力学应用仅限于单量子比特与双量子比特系统。本文中，我们研究用于多量子比特学习的纠缠量子 GAN（EQ-GAN）。我们表明，与 SWAP 测试相比，EQ-GAN 能更高效地学习一个电路。我们还考虑用 EQ-GAN 学习变分量子本征求解器（VQE）近似的本征态，发现其在学习小分子 VQE 态时生成了极好的重叠矩阵元。然而，由于缺乏相位估计，这并不直接转化为对能量的良好估计。最后，我们考虑用 EQ-GAN 进行至多六量子比特的随机态学习，使用不同的双量子比特门，并表明其能够学习完全随机的量子态，这在量子态加载中可能有用。
引用
@article{arxiv.2204.09689,
title = {Multiqubit state learning with entangling quantum generative adversarial networks},
author = {S. E. Rasmussen and N. T. Zinner},
journal= {arXiv preprint arXiv:2204.09689},
year = {2022}
}
备注
8 pages, 8 figures, 1 table