.png){kind=icon}
返回
Dynamical simulation via quantum machine learning with provable generalization
.png){kind=icon}
OA
AI
DOI：10.1103/PhysRevResearch.6.013241.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
作为量子优势的独立应用，已经对动态模拟和量子机器学习 (QML) 给予了很多关注，而使用QML来增强动态模拟的可能性尚未得到彻底研究。在这里，我们开发了一个使用QML方法在近期量子硬件上模拟量子动力学的框架。我们使用泛化界限，它限制了机器学习模型对看不见的数据产生的误差，以严格分析该框架内算法的训练数据要求。因此，我们的算法在量子位和数据要求方面是资源高效的。此外，我们对XY模型的初步数值显示出对问题大小的有效缩放，并且我们在ibmq-bogota上模拟的时间比trotinization长20倍。
期刊
IF:
4.2
论文数:
7.6K
被引数:
2.7W
机构
引用论文
Fast-forwarding of Hamiltonians and exponentially precise measurements.png)
NATURE COMMUNICATIONS
OAAI
NATURE COMMUNICATIONSIF15.7
OAAI分享收藏分享收藏
查看更多内容