机构名称：
¥ 6.0
在表征量子系统时，量子过程层析成像 (QPT) 是标准基元。但由于量子系统的高度复杂性和维数灾难，QPT 在处理大量量子比特时变得不切实际。另一方面，将 QPT 与机器学习相结合在最近的研究中取得了巨大的成功。在本文中，我们探索了将 QPT 与机器学习和参数化量子电路相结合的机会，以重建自旋玻璃的汉密尔顿量。这产生了一个相当简单和直接的算法。为此，首先推导出必要的量子电路。借助此，重建了 Ising 自旋的汉密尔顿量。最后，我们切换到与 Ising 自旋没有太大区别的自旋玻璃，并在此执行相同的操作。从此，系统随后通过获得的汉密尔顿量完全表征。这些方法适用于高达 12 个量子比特的系统大小，但也可以采用更多的量子比特。使用伊辛模型和自旋玻璃的模拟数据，重建结果达到高保真度值，展示并强调了所提出算法的效率。
通过时间对自旋玻璃进行量子过程断层扫描......
主要关键词
相关文件推荐
