XiaoMi-AI文件搜索系统
World File Search SystemXXZ
元变分量子特征求解器：学习参数化汉密尔顿量的能量分布以进行量子模拟
我们提出了元变分量子本征求解器 (VQE)，这是一种能够学习参数化汉密尔顿量的基态能量分布的算法。如果使用几个数据点训练元 VQE，它将提供初始电路参数化，可用于计算特定信任区域内汉密尔顿量的任何参数化的基态能量。我们使用 XXZ 自旋链、电子 H 4 汉密尔顿量和单传输量子模拟测试该算法。在所有情况下，元 VQE 都能够学习能量函数的形状，在某些情况下，与单个 VQE 优化相比，它可以提高准确性。元 VQE 算法在优化数量方面提高了参数化汉密尔顿量的效率，并为单个优化的量子电路参数提供了良好的起点。所提出的算法可以很容易地与变分算法领域的其他改进相结合，以缩短当前最先进技术与具有量子优势的应用之间的距离。
利用机器学习揭示量子混沌
理解量子物质的性质是科学领域的一项重大挑战。在本文中，我们展示了如何成功地将机器学习方法应用于单粒子和多体系统中各种状态的分类。我们实现了神经网络算法，该算法可以以极高的准确度对量子台球模型中的规则行为和混沌行为进行分类。我们使用变分自动编码器对规则/混沌波函数进行自动监督分类，并证明自动编码器可用作检测异常量子态（如量子疤痕）的工具。通过进一步采用这种方法，我们表明机器学习技术使我们能够确定海森堡 XXZ 自旋链中从可积性到多体量子混沌的转变。对于这两种情况，我们都证实了表征转变的通用 W 形状的存在。我们的研究结果为探索机器学习工具在揭示量子多体系统中奇异现象方面的强大功能铺平了道路。
JHEP08(2024)241
摘要：我们探索了量子系统中的扩散和谱复杂性，这些系统表现出从可积性到混沌的转变，即混合场伊辛模型和海森堡 XXZ 自旋链的次近邻变形。我们证实了以下观察结果：扩散复杂性在饱和之前出现峰值是混沌系统的一个特征。我们发现，一般来说，峰值后的扩散复杂性饱和值不仅取决于汉密尔顿量的谱统计，还取决于特定状态。然而，似乎存在一个由汉密尔顿量的对称性和维度决定的最大通用界限，该界限由无限温度下的热场双态 (TFD) 实现。我们还发现，扩散复杂性和谱形状因子改变其行为的时间尺度彼此一致，并且与系统的混沌特性无关。对于谱复杂性，我们发现混沌系统中决定其饱和值和时间尺度的关键因素是由理论谱中的最小能量差给出的。这
使用 Floquet 设计的 XYZ 自旋模型与极性分子进行双轴扭转
限制在光学晶格中的极性分子是一个多功能平台，可用于探索基于强、长程偶极相互作用的自旋运动动力学 1,2。Ising 和自旋交换相互作用在微波和直流电场下的精确可调谐性 3 使分子系统特别适合于设计复杂的多体动力学 4–6 。在这里，我们使用 Floquet 工程 7 来实现极性分子的新型量子多体系统。使用在超冷 40 K 87 Rb 分子的两个最低旋转状态中编码的自旋，我们通过观察 Ramsey 对比动力学相互验证了由 Floquet 微波脉冲序列调整的 XXZ 自旋模型与由直流电场调整的模型。该验证为实现静态场无法实现的哈密顿量奠定了基础。特别地，我们观察到了双轴扭曲 8 平均场动力学，它是由 Floquet 设计的 XYZ 模型使用二维层中的巡回分子产生的。未来，弗洛凯设计的哈密顿量可以产生纠缠态，用于基于分子的精密测量9，或者可以利用丰富的分子结构进行多级系统的量子模拟10,11。
![arxiv：2308.11414v2 [cond-mat.str-el] 2024年1月23日](/simg/6\615b90964d08bb79768742811632a169367213fe.webp)
arxiv：2308.11414v2 [cond-mat.str-el] 2024年1月23日
是由于最近在沮丧的Kondo lattice cepdal中发现了抗铁磁顺序与费米液体之间的中间量子临界阶段的动机，我们在这里研究了使用Den-Sity Matrix Renormal Altormal Altormation Groute Metage在本地旋转的Kondo-Heisenberg链中，遇到的J 1-J 1-J 2 xxz互动。我们的模拟揭示了具有丰富接地状态的全局相图，包括抗磁磁序，价 - 键 - 固定和键级波顺序，对密度波状态，均匀的超导状态和Luttinger液态。我们表明，两对密度波和均匀的超导性均属于路德 - emery液体的家族，并且可能是由中间量子临界相位的成对不稳定性在具有强量子流动的情况下具有中等量子的临界相，而Luttinger液体具有较大的费米体积。我们的工作提供了一个一维沮丧的近代晶格物理学的全面图片，并暗示了对密度波，非常规的超导性和非Fermi液体量子关键相之间的深厚联系。
通过单量子比特解缠学习量子相位
识别物质的相位具有相当大的挑战性，特别是在量子理论领域，因为基态的复杂性似乎随着系统规模的增大而呈指数增长。量子多体系统表现出一系列跨越不同相位的复杂纠缠结构。尽管已经有大量研究探索了量子相变和量子纠缠之间的关系，但在它们之间建立直接、实用的联系仍然是一个关键挑战。在这项工作中，我们提出了一种新颖、高效的量子相变分类器，利用强化学习优化的变分量子电路进行解纠缠。我们证明了该方法对横向场伊辛模型 (TFIM) 和 XXZ 模型中量子相变的有效性。此外，我们观察到该算法能够学习与 TFIM 中的纠缠结构有关的 Kramers-Wannier 对偶。我们的方法不仅可以根据解缠结电路的性能识别相变，而且还具有出色的可扩展性，有助于将其应用于更大、更复杂的量子系统。这项研究揭示了通过量子多体系统中固有的纠缠结构来表征量子相。
开放边界驱动量子电路的可积性
在本文中，我们讨论了具有开放边界条件的量子比特（自旋 1/2）双量子电路的杨-巴克斯特可积性问题，其中两个电路复制品仅在左边界或右边界耦合。我们研究了体积由自由费米子 XX 类型或相互作用 XXZ 类型的基本六顶点幺正门给出的情况。通过使用 Sklyanin 的反射代数构造，我们获得了此类设置的边界杨-巴克斯特方程的最一般解。我们使用此解从转移矩阵形式构建具有两步离散时间 Floquet（又名砖砌）动力学的可积电路。我们证明，只有当体积是自由模型时，边界矩阵通常才是不可分解的，并且对于特定的自由参数选择会产生具有两个链之间边界相互作用的非平凡幺正动力学。然后，我们考虑连续时间演化的极限，并在 Lindbladian 设置中给出一组受限边界项的解释。具体来说，对于特定的自由参数选择，解对应于开放量子系统动力学，源项表示从自旋链边界注入或移除粒子。
Floquet 量子比特之间的可编程海森堡相互作用
在追求量子模拟和容错量子计算的过程中，稳健性和可调谐性之间的权衡是一个核心挑战。特别是，量子架构通常被设计为以牺牲可调谐性为代价来实现高相干性。许多当前的量子比特设计具有固定的能级，因此可控相互作用的类型有限。在这里，通过将固定频率的超导电路绝热转换为可修改的 Floquet 量子比特，我们展示了具有完全可调各向异性的 XXZ Heisenberg 相互作用。该交互模型可以充当一组富有表现力的量子操作的原语，但也是自旋系统量子模拟的基础。为了说明我们的 Floquet 协议的稳健性和多功能性，我们定制了 Heisenberg Hamiltonian 并实现了具有良好估计保真度的双量子比特 iSWAP、CZ 和 SWAP 门。此外，我们在更高的能级之间实现了 Heisenberg 相互作用，并使用它来构建三量子比特 CCZ 门，同样具有竞争保真度。我们的协议适用于多个固定频率高相干性平台，为高性能量子信息处理提供了一系列交互。它还确立了 Floquet 框架作为探索量子电动力学和最优控制工具的潜力。
具有主动学习的自适应量子层析成像
最近，在量子科学和技术领域取得了巨大进展：量子模拟的不同平台以及量子计算的平台，从超导量子量到中性原子，始于开始，以达到前所未有的大型系统。为了基准这些系统并获得物理见解，需要有效的工具来表征量子状态。系统尺寸的希尔伯特空间的指数增长构成了对量子状态的全面重建，这是根据必要测量的数量而过于要求的。在这里，我们提出并实施了使用主动学习的量子状态效率的效率方案。基于一些初始测量，主动学习协议提出了下一个衡量基础，旨在产生最大信息。我们将主动学习量子状态态度方案应用于具有不同程度的范围的不同多数状态，以及1D中XXZ模型的基态和动力学结合的旋转链的基态。在所有情况下，与基于完全相同数量的测量和测量配置的重建相比，我们都会获得明显改进的重建，但具有最多选择的基础配置。我们的方案与获得量子多体系统以及基准测试和特征量子设备的物理见解高度相关，例如用于量子模拟，并为可伸缩的道路铺平了道路
变分量子电路中测量引起的纠缠相变
变分量子算法 (VQA) 经典地优化参数化量子电路以解决计算任务，有望增进我们对量子多体系统的理解，并使用近期量子计算机改进机器学习算法。这类量子-经典混合算法面临的突出挑战是与其经典优化相关的量子纠缠和量子梯度的控制。这些量子梯度被称为贫瘠高原现象，在体积定律纠缠增长的情况下，它们可能会迅速消失，这对 VQA 的实际应用构成了严重障碍。受最近对随机电路中测量诱导纠缠转变研究的启发，我们研究了具有中间投影测量的变分量子电路中的纠缠转变。考虑 XXZ 模型的哈密顿变分拟定 (HVA) 和硬件高效拟定 (HEA)，我们观察到随着测量率的增加，测量诱导的纠缠转变从体积定律到面积定律。此外，我们提供了证据表明，该转变属于随机酉电路的同一普适性类别。重要的是，该转变与经典优化中从严重到温和/无贫瘠高原的“景观转变”相吻合。我们的工作可能为通过在当前可用的量子硬件中结合中间测量协议来提高量子电路的可训练性提供一条途径。