因斯布鲁克大学的研究人员公布了一种在给定量子计算机上准备量子操作的新方法，使用机器学习生成模型来找到执行量子操作的适当量子门序列。
该项研究最近发表在《自然机器智能》杂志上，标志着实现量子计算的全面性迈出了重要一步。
扩散模型等生成模型是机器学习(ML) 领域近期最重要的发展之一，稳定扩散和 DALL·E 等模型彻底改变了图像生成领域。这些模型能够根据文本描述生成高质量的图像。
奥地利因斯布鲁克大学理论物理系的 Gorka Muñoz-Gil 解释道：“我们用于编程量子计算机的新模型也有同样的功能，但它不是生成图像，而是基于要执行的量子操作的文本描述来生成量子电路。”
为了在量子计算机上准备某个量子态或执行某个算法，需要找到合适的量子门序列来执行这些操作。虽然这在经典计算中相当容易，但由于量子世界的特殊性，这在量子计算中是一个巨大的挑战。
最近，许多科学家提出了构建量子电路的方法，其中许多方法依赖于机器学习方法。然而，由于机器学习时需要模拟量子电路，因此这些机器学习模型的训练通常非常困难。扩散模型因其训练方式而避免了此类问题。
“这提供了巨大的优势，”与 Hans J. Briegel 和 Florian Fürrutter 共同开发了这种新方法的 Muñoz-Gil 解释道。“此外，我们表明，去噪扩散模型在生成时非常准确，而且非常灵活，可以生成具有不同数量量子比特以及不同类型和数量的量子门的电路。”
这些模型还可以定制以准备考虑到量子硬件连通性的电路，即量子计算机中量子比特的连接方式。“由于模型训练完成后，生产新电路的成本非常低，因此人们可以用它来发现有关感兴趣的量子操作的新见解，”Muñoz-Gil 说。
因斯布鲁克大学开发的方法可以根据用户要求生成量子电路，并根据电路运行的量子硬件的特性进行量身定制。这标志着在充分发挥量子计算能力方面迈出了重要一步。
本站全部资讯来源于实验室原创、合作机构投稿及网友汇集投稿，仅代表个人观点，不作为任何依据，转载联系作者并注明出处：https://www.lvsky.net/136.html
评论