强化学习生成4量子比特纠缠态
量子物理
2025-08-08 v2 人工智能
机器学习
摘要
我们设计了一种采用机器强化学习（Q-learning）的人工智能算法，用以构建具有4个量子比特的显著纠缠态。通过这种方式，该算法能够为四量子比特纠缠态的49个真正的SLOCC类中的一部分生成代表性态。特别是，对于九个纠缠族中的每一个，至少可以达到一个真正的SLOCC类。该算法合成的量子电路可能有助于实验实现这些重要的纠缠态类别，并用于推断我们宇宙的内禀性质。我们引入了一种称为态链接图（SLG）的图形化工具，用以表示算法在构建属于相应纠缠类的给定目标态时所使用的品质矩阵（Q矩阵）的构造过程。这使我们能够发现特定纠缠特征与算法需要包含在量子门动作集中的某些量子门作用之间的必要联系。就所选的量子门集而言，找到的量子电路在构造上是最优的。这些SLG使得该算法简单、直观，并成为自动构建少量子比特纠缠态的有用资源。
引用
@article{arxiv.2204.12351,
title = {Reinforcement Learning Generation of 4-Qubits Entangled States},
author = {Sara Giordano and Miguel A. Martin-Delgado},
journal= {arXiv preprint arXiv:2204.12351},
year = {2025}
}
备注
Tex file, color figures