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。这项研究最近发表在《自然机器智能》杂志上，标志着在释放量子计算的全部潜力方面迈出了重要一步。
扩散模型等生成模型是机器学习 (ML) 领域最近最重要的发展之一，稳定扩散和 Dall.e 等模型彻底改变了图像生成领域。这些模型能够根据一些文本描述生成高质量的图像。“我们用于编程量子计算机的新模型可以做到这一点，但它不是生成图像，而是根据要执行的量子操作的文本描述生成量子电路，”奥地利因斯布鲁克大学理论物理系的 Gorka Muñoz-Gil 解释道。
为了在量子计算机上准备某种量子态或执行算法，需要找到适当的量子门序列来执行此类操作。虽然这在传统计算中相当容易，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，许多科学家提出了使用许多依赖机器学习方法来构建量子电路的方法。然而，由于机器学习时需要模拟量子电路，因此这些 ML 模型的训练通常非常困难。
扩散模型由于其训练方式而避免了此类问题。“这提供了巨大的优势，”Gorka Muñoz-Gil 解释道，他与 Hans J. Briegel 和 Florian Fürrutter 共同开发了这种新方法。“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接性的电路，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，生成新电路的成本非常低，因此人们可以使用它来发现有关感兴趣的量子操作的新见解，”Gorka Muñoz-Gil 指出了新方法的另一个潜力。
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定制。这标志着在释放量子计算的全部潜力方面迈出了重要一步。该研究成果现已发表在《自然机器智能》杂志上，并得到了奥地利科学基金 FWF 和欧盟等机构的资助。
资讯来源：由a0资讯编译自THECOINREPUBLIC。版权归作者A0资讯所有，未经许可，不得转载
