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
Thông tin chi tiết chính được chắt lọc từ
by Yuxuan Zhang... lúc arxiv.org 09-26-2024
https://arxiv.org/pdf/2409.16346.pdfYêu cầu sâu hơn