物理启发式神经网络作为量子信道的拟逆

量子信道通常不可逆。拟逆允许对输入态进行部分恢复，但其解析结果仅在参数空间的受限区域内找到。本工作探索了神经网络在寻找任意信道参数值下量子比特信道拟逆的潜力，同时保持拟逆为物理上可实现的量子操作。我们引入了一种基于修正迹距离（MSMTD）均值的物理启发式损失函数。缩放迹距离的使用确保神经网络不增加量子态的布洛赫矢量长度，从而保证网络表现为完全正且保迹（CPTP）的量子信道。通过对训练后的神经网络进行量子过程层析，获得了拟逆信道的克劳斯算符。