多比特量子生成性对抗网络实验等超导量子计算取得系列进展( 二 ) 人工智能的核心是机器学习

文章图片
图1.（a）QGAN流程图。（b）全联通样品芯片简易示意图。（c）QGAN实际算法电路图，其中品红色部分为量子梯度计算电路。

文章图片
图2.（a）任意单量子比特混态训练结果。（b）训练得到的和真实密度矩阵的对比，其保真度可达0.999 。

文章图片
图3.（a）异或门训练结果。训练的真值表保真度为0.927 。（b）训练过程中两个特征单比特量子门参数的变化。
此项工作已于近期发表于npjQuantumInformation7,165(2021) ，南开大学联合培养博士生黄凯旋， Q03组博士生王正安，以及浙江大学宋超特聘教授为论文的共同第一作者。合作团队还包括浙江大学博士后李贺康（量子芯片制备者）、浙江大学特聘教授王震、浙江大学杭州国际科创中心科创百人研究员郭秋江、浙江大学硕士生宋紫璇等。
另外，中科院物理研究所许凯副研究员、范桁研究员、郑东宁研究员等与福州大学郑仕标教授、杨贞标教授课题组合作，利用两个超导量子比特及其辅助能级实现了非阿贝尔几何受控非门，相关成果发表于Optica8,972(2021).
中科院物理研究所范桁研究员、博士生孙政杭与中国科学技术大学朱晓波研究员、潘建伟教授等合作，利用一维排列的12个超导量子比特，通过制备不同的初态，对应于不同的温度，实现了热化强弱程度不同现象的实验观测，相关成果发表于Phys.Rev.Lett.127,020602(2021) 。
参考文献：
[1]KaixuanHuang#,Zheng-AnWang#,ChaoSong#,KaiXu,HekangLi,ZhenWang,QiujiangGuo,ZixuanSong,Zhi-BoLiu*,DongningZheng,Dong-LingDeng*,H.Wang,Jian-GuoTian,HengFan*,Quantumgenerativeadversarialnetworkswithmultiplesuperconductingqubits,npjQuantumInformation7,165(2021).
[2]KaiXu,WenNing,Xin-JieHuang,Pie-RongHan,HekangLi,Zhen-BiaoYang*,DongningZheng,HengFan*,Shi-BiaoZheng*,Demonstrationofanon-Abeliangeometriccontrolled-NOTgateinasuperconductingcircuit,Optica8,972-976(2021).
[3]FushengChen#,Zheng-HangSun#,MingGong#,QinglingZhu,Yu-RanZhang,YulinWu,YangsenYe,ChenZha,ShaoweiLi,ShaojunGuo,HaoranQian,He-LiangHuang,JialeYu,HuiDeng,HaoRong,JinLin,YuXu,LihuaSun,ChengGuo,NaLi,FutianLiang,Cheng-ZhiPeng,HengFan*,XiaoboZhu*,Jian-WeiPan,Observationofstrongandweakthermalizationinasuperconductingquantumprocessor,Phys.Rev.Lett.127,020602(2021).
【多比特量子生成性对抗网络实验等超导量子计算取得系列进展】编辑：just_iu