机构名称：
¥ 1.0
量子生成建模（QGM）依赖于准备量子状态并从这些状态中生成样品，作为隐藏或已知的概率分布。作为来自某些类别的量子状态（电路）的分布本质上很难经典样本，QGM代表了量子至上实验的出色测试床。此外，生成任务与工业机器学习应用越来越重要，因此QGM是证明实用量子优势的有力候选人。但是，这要求对量子电路进行培训以代表与工业相关的分布，并且相应的培训阶段在实践中为当前的量子硬件具有广泛的培训成本。在这项工作中，我们根据接受有效梯度计算的特定类型的电路提出了对QGM的经典培训方案，同时仍然难以采样。特别是我们考虑瞬时量子多项式（IQP）电路及其扩展。在时间复杂性，稀疏性和抗调解属性方面显示了它们的经典模拟性，我们开发了一种经典的可拖动方式来模拟其输出概率分布，从而使经典的培训允许经典培训到目标概率分布。与使用经典采样时不同，来自IQP的相应量子采样可以有效地进行。我们使用概率分布在常规台式计算机上最多30个QUAT的概率分布来证明IQP电路的端到端训练。当应用于工业相关的分布时，这种经典培训与量子采样的组合代表了在嘈杂的中间规模量子（NISQ）时代获得优势的途径。
关于概率分布的经典培训量子生成模型的协议
主要关键词
相关文件推荐
