用于相图未见点态制备的量子 Wasserstein GAN
量子物理
2023-09-19 v1 机器学习
摘要
生成模型，尤其是生成对抗网络（GANs），已成为非常流行且强大的数据生成工具。近年来，在将这一概念扩展至量子领域方面取得了重大进展。然而，当前大多数方法聚焦于生成输入集中提供且在训练时见过的态的类别。在本工作中，我们提出一种基于量子 Wasserstein GAN 的新型经典-量子混合方法，克服了该局限。它允许学习控制所提供态测量期望的函数，并生成不属于输入集但期望遵循相同底层函数的新态。
引用
@article{arxiv.2309.09543,
title = {Quantum Wasserstein GANs for State Preparation at Unseen Points of a Phase Diagram},
author = {Wiktor Jurasz and Christian B. Mendl},
journal= {arXiv preprint arXiv:2309.09543},
year = {2023}
}