修剪受限 Boltzmann 机用于量子态重构
量子物理
2022-04-06 v1 其他凝聚态物理
摘要
受限 Boltzmann 机 (RBMs) 已被证明是从量子比特投影测量数据学习量子波函数表示的强大工具。由于编码量子波函数所需的经典参数数量随量子比特数迅速增长，学习高效表示的能力至关重要。在本文中，我们研究基于幅度的修剪作为一种压缩 RBM 中波函数表示的方法，重点关注在一维横场 Ising 模型数据上训练的 RBM。我们发现修剪可减少 RBM 权重总数，但重构精度开始退化的阈值随模型的相显著变化。在相图的带隙区域，RBM 允许修剪超过一半的权重，同时仍准确再现相关物理可观测量。然而在量子临界点，即使少量修剪也会导致重构量子态物理性质的显著精度损失。我们的结果突出了跟踪所有相关可观测量的重要性，因为它们对修剪的敏感性差异很大。最后，我们发现稀疏 RBM 可训练，并讨论了如何不经修剪而成功创建稀疏模式。
引用
@article{arxiv.2110.03676,
title = {Pruning a restricted Boltzmann machine for quantum state reconstruction},
author = {Anna Golubeva and Roger G. Melko},
journal= {arXiv preprint arXiv:2110.03676},
year = {2022}
}