脉冲量子比特的行为及其在前馈网络中的应用
量子物理
2023-02-22 v1 新兴技术
机器学习
摘要
近二十年来，机器学习与量子计算的交叉一直是日益增长的研究热点，但迄今量子计算硬件的局限在一定程度上限制了复杂多量子比特操作在机器学习中的使用。本文利用在脉冲量子比特上观测到的量子态概率的周期性特征，提出一种单量子比特前馈模块，其架构允许以类似于经典神经网络的方式使用经典参数。为此，我们调制激发量子比特的脉冲，以诱导绕布洛赫球面的叠加旋转。此处提出的方法具有每个模块仅使用一个量子比特的优势，因而相对于模块数量呈线性缩放，而非像多数其他方法那样相对于神经元数量呈多项式缩放。此外，由于采用经典参数，可在训练时执行大量迭代与更新而无需顾虑相干时间，且梯度可在必要时重用与存储。我们还展示了如何与采用正弦平方激活函数的神经网络进行类比，并说明了此处提出的前馈模块如何在支持脉冲的量子计算机上被使用与实现。
引用
@article{arxiv.2302.10467,
title = {On the Behaviour of Pulsed Qubits and their Application to Feed Forward Networks},
author = {Matheus Moraes Hammes and Antonio Robles-Kelly},
journal= {arXiv preprint arXiv:2302.10467},
year = {2023}
}