BriefGPT - AI 论文速递
·
RobustState: 基于噪声感知的变分训练提升量子态制备品质
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
RobustState是一种结合高鲁棒性和高训练效率的新型VQSP训练方法，通过利用真实量子机器的测量结果在经典模拟器上进行反向传播，将真实量子噪声纳入梯度计算，可用于从头训练参数或微调现有参数以提高目标机器上的保真度。
🎯
关键要点
-
RobustState是一种新型VQSP训练方法，结合高鲁棒性和高训练效率。
-
该方法利用真实量子机器的测量结果在经典模拟器上进行反向传播。
-
通过将真实量子噪声纳入梯度计算，RobustState可用于从头训练参数或微调现有参数。
-
RobustState在10台真实量子机器上对4个不同量子算法的状态准备任务进行了评估。
-
结果显示，RobustState对4-Q和5-Q状态实现了高达7.1倍的相干误差减少。
-
状态保真度方面，RobustState分别提高了96%和81%。
-
与基准方法相比，RobustState平均提高了4-Q和5-Q状态的保真度，分别达到50%和72%。
🏷️
标签
➡️
