Oct, 2022
学习预测任意量子过程
Learning to predict arbitrary quantum processes
Hsin-Yuan Huang, Sitan Chen, John Preskill
TL;DR研究了预测 n 个量子比特上任何未知量子过程的机器学习算法，该算法可在广泛分布的任意 n 比特状态下学习预测来自未知过程 E 的任何本地属性，具有小的平均误差率。本文的算法组合了学习未知状态属性和学习低阶近似未知的可观测量的有效过程，并证明了新的范数不等式，包括一个量子模拟 Bohnenblust-Hille 不等式。通过数值实验证明，机器学习模型能够比运行过程本身快得多地预测复杂量子动态的输出。