UDiTQC：面向量子电路综合的 U-Net 风格扩散 Transformer
机器学习
2025-01-29 v1 人工智能
量子物理
摘要
量子计算是一种具有广泛应用前景的变革性技术，高效的量子电路生成对于释放其潜能至关重要。当前基于 U-Net 架构的扩散模型方法虽前景光明，但面临计算效率和建模全局语境的挑战。为此，我们提出了 UDiT，这是一种 U-Net 风格的扩散 Transformer 架构，将 U-Net 在多尺度特征提取方面的优势与 Transformer 建模全局语境的能力相结合。我们在两个任务上展示了该框架的有效性：entanglement generation 和 unitary compilation，其中 UDiTQC 在两个任务上一致优于现有方法。此外，我们的框架支持诸如掩码和编辑电路以满足特定物理属性要求的任务。这种双重进步，不仅改进了量子电路综合，还精进了生成模型架构，标志着量子计算与机器学习研究相遇的重要里程碑。
引用
@article{arxiv.2501.16380,
title = {UDiTQC: U-Net-Style Diffusion Transformer for Quantum Circuit Synthesis},
author = {Zhiwei Chen and Hao Tang},
journal= {arXiv preprint arXiv:2501.16380},
year = {2025}
}