用于门设计的时不变哈密顿量的监督学习

我们提出了一个通用框架,以解决寻找生成目标酉演化的时不变动力学问题。我们证明该问题可等价地表述为时不变门生成子谱上的一组条件,从而将该任务转化为一个逆特征值问题。我们通过识别实现 Toffoli 门和 Fredkin 门的合适时不变生成子来说明我们的方法,且无需辅助量子比特或有效演化。我们展示了如何使用监督学习技术通过数值方法利用相同条件求解该问题。这使我们能够解决通常无法直接解析求解的问题,同时对可处理的门设计问题类型提供了高度的灵活性。作为一个重要示例,我们仅使用对角成对相互作用找到了 Toffoli 门的生成子,这在某些实验架构中更易于实现。为了展示监督学习方法的灵活性,我们给出了一个非平凡的四量子比特门示例,该门可仅使用对角成对相互作用实现。