利用强化学习重构光子量子比特态
量子物理
2019-03-28 v3
摘要
我们开展了一项实验，利用有限数量的副本重构未知的光子量子态。采用半量子强化学习方法，通过连续单发测量与反馈，将一个量子比特态（“智能体”）自适应至未知量子态（“环境”），以实现最大重叠。本文中的实验学习装置由量子光子学装置组成，可根据环境（即奖励/惩罚信号）中测量结果为“0”或“1”来调整相应参数以旋转智能体系统。结果表明，在此类量子机器学习技术辅助下，确定性的单光子智能体态在 50 次迭代内、适当奖励/惩罚比下保真度可达 88% 以上。该协议为仅在提供有限副本时重构未知量子态提供了工具，并可扩展至更高维、多体及混合量子态场景。
引用
@article{arxiv.1808.09241,
title = {Reconstruction of a Photonic Qubit State with Reinforcement Learning},
author = {Shang Yu and F. Albarran-Arriagada and J. C. Retamal and Yi-Tao Wang and Wei Liu and Zhi-Jin Ke and Yu Meng and Zhi-Peng Li and Jian-Shun Tang and E. Solano and L. Lamata and Chuan-Feng Li and Guang-Can Guo},
journal= {arXiv preprint arXiv:1808.09241},
year = {2019}
}