新元学习算法加速量子热态制备

研究者提出 Meta-VQT 与 NN-Meta VQT 两种元学习算法，用于在 NISQ 设备上高效制备参数化哈密顿量的热态（吉布斯态）。在最多 8 量子比特的 TFIM 与 2 量子比特 Heisenberg 模型上，元学习参数作为热启动初始化显著优于随机初始化。 作者称，将这两种算法用于训练 2 量子比特 Quantum Boltzmann Machine 时，相比 VarQITE 方法实现 30 倍运行时加速。上述优势目前限于这些模型规模与对比条件。

AI 根据报道生成 · 47 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。