RydbergGPT
量子物理
2024-06-03 v1
摘要
我们介绍了一种生成式预训练变换器（GPT），旨在学习中性原子阵列量子计算机的测量结果。基于一个标准变换器，我们的编码器-解码器架构以相互作用哈密顿量为输入，并输出量子比特测量概率的自回归序列。我们在方形晶格阵列中里德伯原子量子相变附近研究了其性能。我们探索了该架构的泛化能力，通过为训练集中未见过的哈密顿量参数生成基态测量结果。我们重点研究了从三个不同模型推理得到的物理可观测量示例，这些模型在单个NVIDIA A100 GPU上以固定计算时间进行训练。这些可以作为未来更大规模RydbergGPT模型扩展的基准。最后，我们开源了RydbergGPT，以帮助未来基于各种量子计算机交互和数据集的基础模型开发。
引用
@article{arxiv.2405.21052,
title = {RydbergGPT},
author = {David Fitzek and Yi Hong Teoh and Hin Pok Fung and Gebremedhin A. Dagnew and Ejaaz Merali and M. Schuyler Moss and Benjamin MacLellan and Roger G. Melko},
journal= {arXiv preprint arXiv:2405.21052},
year = {2024}
}
备注
9 pages, 4 figures