关键词quantum circuit learning
搜索结果 - 5
- 量子电路学习实现量子场论的量子 - 经典模拟
我们利用量子电路学习来模拟量子场论，通过使用紧凑的量子比特配置和低深度的量子电路来预测量子场论中的实时动态，从而准确地预测各种物理参数，包括全连接算符。通过在一个 1+1 维的量子电动力学模型中预测淬火动力学、手性动力学和喷注产生，我们发现 - 量子神经网络的逐层学习
本文研究了参数化量子电路的逐层学习策略，并表明此策略相对于标准学习方案更适用于执行于噪声中等量子设备上，可以在手写数字图像分类任务中实现更低的泛化误差，在比同等大小的量子电路训练更少的参数的情况下，达到更低的测试误差。
- Born 霸权：一个 Ising Born Machine 的量子优势和训练
本研究提出量子机器学习模型 ——Ising Born Machine（IBM）并使用斯坦偏差和 Sinkhorn 分歧两种方法进行训练，结果表明这两种方法优于最常使用的最大平均偏差（MMD）训练方法，同时 IBM 不可能被古典设备高效模拟。
- 量子电路学习
本研究提出了一种基于经典 - 量子混合算法的量子机器学习算法，将低深度的量子电路与经典计算机混合使用，实现了优化参数的迭代优化，从而实现了学习任务的同时避免高深度量子电路，并通过理论分析和数字模拟确认了量子电路可以逼近非线性函数，为实现近期 - 用生成建模方法来评估和训练浅层量子电路
本研究提出了一种基于量子电路学习的算法，可以利用本地门和量子位连接等量子硬件能力来协助量子设备的表征，并训练浅层电路进行生成式任务。此方法可以学习绿伯格 - 霍恩 - 泽林格（Greenberger-Horne-Zeilinger）状态的最