返回
Reconstructing quantum states with VAE and CVAE
DOI:10.1007/s42484-025-00284-2.png)
摘要
En 中文
本文研究一类重要的生成模型,即变分自编码器(VAE)和条件变分自编码器(CVAE),以学习训练集的抽象概率分布,用于执行量子多体系统中的量子态重构任务。具体地,研究了横场伊辛模型(TFIM),使其生成基态解,形式为原始量子纯态;通过向基态的每个量子比特添加不同概率p的本征退极化噪声,得到生成模型所需的原始量子混合态,使其失去部分信息。然后使用信息完备的正算子值测量(POVM)生成原始量子纯态和混合态的概率分布,通过对原始概率分布进行采样获得生成模型的输入训练集,将量子多体系统中的量子态重构问题转化为可由VAE解决的数学统计问题。在此基础上,采用CVAE在不同磁场h值和p值下重构4量子比特和32量子比特的量子纯态和混合态。通过保真度比较测试量子态重构性能。数值模拟实验结果表明,CVAE重构的4量子比特纯态的概率分布和密度矩阵的保真度随h增大呈现先减小后增大的趋势,且能高质量重构较大p值下的量子纯态;随着p增大,4量子比特混合态重构的概率分布和密度矩阵的保真度表现出更高质量和更少波动。最后,CVAE能够高质量重构更高阶32量子比特混合态重构得到的局域可观测量。
Keyword:
Transverse-field Ising model (TFIM)
Reconstruction of quantum states
Generative model
Variational autoencoder (VAE)
Conditional variational autoencoder (CVAE)

