.png){kind=icon}
返回
Quantum machine learning with canonical variables
.png){kind=icon}
PRE
AI
DOI：10.1007/s42484-026-00373-w.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
离子阱量子计算机通常利用电磁场来约束带电粒子，并对量子位执行量子操作。然而，基于门的算法和连续变量算法在训练性和可解释性方面遇到挑战。受这些限制的驱动，本研究提出了一种方案，将监督学习直接整合到规范可观测量（即位置和动量）的可精确求解的非相对论动力学中。其基本思想是将时变电磁势视为学习假设或假设形式（ansatz），从而用可物理实现的场控制取代以量子位或模式为中心的操控。因此，所得模型在回归和分类任务上具有封闭形式解，从而在可观测量层面建立了量子机器学习的透明框架。
Keyword:
Quantum machine learning
Quantum dynamics
Quantum control
Exact solutions
期刊
Q
IF:
4.4
论文数:
442
被引数:
796
.png){kind=icon}
查看更多内容