量子计算机天生擅长执行线性运算,因为量子力学本质上是线性的。也就是说,量子系统的时间演化由薛定谔方程(一个线性方程)控制。或者,量子态在必然是线性的幺正运算下演化。然而,要充分利用量子计算的潜力,我们还需要能够扭转量子设备来实现非线性运算。非线性子程序可能在一系列量子算法中发挥关键作用。例如,高效实现非线性运算的能力将开辟在量子硬件上求解非线性方程的新方法 [1-3],应用于从流体动力学到金融等领域。或者,非线性子程序可以提供一种在存在背景噪声的情况下放大信号的方法,从而有助于开发新的错误缓解技术 [4]。最后,目前人们对量子神经网络和量子核方法的潜力非常感兴趣 [ 5 – 8 ]。然而,经典神经网络的大部分能力都来自于非线性激活函数的使用。同样,核方法也依赖于非线性编码。在量子硬件上复制这一点需要能够实现非线性量子操作。虽然量子力学从根本上是线性的,但量子系统往往呈现出非线性演化。这些明显的非线性通常是通过测量和粗粒化引起的。在量子计算的背景下,除了这些工具外,还可以使用经典的后处理和集体操纵给定输入状态的多个副本来引入非线性效应。越来越多的研究致力于开发将非线性引入量子算法的新方法。在量子机器学习的背景下,
主要关键词