研究进展：量子电路-扩散模型 | Nature Machine Intelligence

文章预览

量子计算最近作为一种变革性技术出现。然而，其承诺的优势依赖于有效地将量子操作转化为可行的物理实现。 今日，奥地利 因斯布鲁克大学（University of Innsbruck）Florian Fürrutter, Gorka Muñoz-Gil & Hans J. Briegel，在Nature Machine Intelligence上发文，利用生成式机器学习模型，特别是去噪扩散模型denoising diffusion models (DMs)，以促进这种转换。 利用文本条件，在基于门的量子电路中，引导模型产生了所需的量子操作。值得注意的是，在训练期间，去噪扩散模型DMS避开了量子动力学经典模拟中固有的指数开销——这是先前机器学习技术中的一致瓶颈。 研究表明，该模型在两个任务上的能力：纠缠生成和幺正编译。该模型擅长生成新电路，并支持典型的去噪扩散模型DM扩展，例如屏蔽和编辑，以使电路生成与目标量子器件的约束相一致。 鉴于模型的灵活性和泛化 ………………………………