.png){kind=icon}
返回
Disentangling quantum autoencoder
.png){kind=icon}
PRE
AI
DOI：10.1088/2058-9565/adfc07.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
纠缠量子态对噪声极为敏感，这导致它们难以在噪声量子信道中传输或在量子存储器中存储。本文提出了解纠缠量子自编码器（DQAE），用于将纠缠态编码为单量子比特乘积态。与未编码的态相比，DQAE在通过量子比特损失或泄漏信道传输纠缠态时，所需复本数量实现了指数级改进。DQAE可以从纠缠量子数据中以无监督方式训练。对于一般态，我们通过基于梯度下降且以纯度为基础的成本函数的变分量子算法进行训练，而稳定子态可以通过Metropolis算法进行训练。对于特定类的态，实现泛化所需训练数据的数量出人意料地低：对于稳定子态，DQAE通过学习与量子比特数量成线性比例的训练数据实现泛化，而对于由横场伊辛哈密顿量演化的态，仅需1个训练样本就足够。我们的工作为增强近景量子计算机提供了实际应用。
Keyword:
entangled quantum states
quantum autoencoder
noise resilience
variational quantum algorithms
stabilizer states