이 논문은 양자 동역학 컴파일 문제를 양자 기계 학습 과제로 재정의하여 해결하는 방법을 제안한다. 핵심 아이디어는 다음과 같다:
양자 동역학을 학습하기 위해 무작위 product 상태 집합을 사용한다. 이를 통해 적은 수의 학습 데이터로도 Haar 무작위 상태에 대한 일반화가 가능하다.
양자 동역학의 저 엔트로피 특성을 활용하여 tensor network 기법으로 효율적인 계산을 수행한다.
바렌 평탄 문제를 해결하기 위한 초기화 전략을 도입한다.
이 방법을 1차원 Heisenberg 모델과 2차원 Ising 모델에 적용하여 기존 Trotterization 기법에 비해 훨씬 적은 게이트 수로도 높은 정확도를 달성할 수 있음을 보였다. 특히 2차원 시스템에서도 유의미한 성능 향상을 확인하였다.
To Another Language
from source content
arxiv.org
Ключові висновки, отримані з
by Yuxuan Zhang... о arxiv.org 09-26-2024
https://arxiv.org/pdf/2409.16346.pdfГлибші Запити