机构名称：
¥ 1.0
经典机器学习已经成功预测了物质的经典相和量子相。值得注意的是，核方法因其提供可解释结果的能力而脱颖而出，将学习过程与物理序参量明确地联系起来。在这里，我们利用量子核。它们与保真度有着天然的联系，因此可以借助量子信息工具来解释学习过程。具体来说，我们使用支持向量机（带有量子核）来预测和表征二阶量子相变。我们解释并理解了使用每个站点的保真度（而不是保真度）时的学习过程。在横向场中的 Ising 链中测试了广义理论。我们表明，对于小尺寸系统，即使在远离临界性的情况下训练，该算法也能给出准确的结果。此外，对于更大的尺寸，我们通过提取正确的临界指数 ν 来确认该技术的成功。最后，我们提出了两种算法，一种基于保真度，一种基于每个站点的保真度，用于对量子处理器中的物质相进行分类。
量子内核用于了解量子物质的阶段
主要关键词
相关文件推荐
