跳到主要内容
返回时间线
arXiv来源发表:

量子采样器先在经典端学完整张相图:HyperQCBM 在十二格点链边界点约550次局部更新追平独立训练1500次

核心概要

量子线路玻恩采样器此前要在每个哈密顿量点单独拟合,难以跨相图复用。HyperQCBM 用一个超网络把哈密顿量参数映射为线路角度,在多个基态分布上共享训练,再用局部参考数据微调。在十二格点 Haldane 链的40个边界点上,自适应预训练后的微调最终平均总变差距离为0.216,低于独立训练的0.237,并在约550次局部更新时追平独立训练1500次的最终值。

Source-provided article image: Classically Trained Quantum Generative Models with Shared Training and Fine Tuning for Quantum Matter
arXiv

深度剖析

量子线路采样器现在可以一次覆盖一整族基态测量分布,而不必在每个哈密顿量点从零拟合。 此前的做法是在单个参数点独立训练线路角度,各点之间不共享信息。 在十二格点 Haldane 链的40个边界坐标上,自适应预训练加微调的最终平均总变差距离为0.216,独立训练为0.237,仅微调角度为0.234,且该优势在四次初始化中均成立。

共享信息由一个超网络承担,它把归一化后的哈密顿量参数变成共享基准角度的缩放与平移。 超网络与基准角度联合训练,每次更新对多个参考点的损失取平均,因此学到的是角度随参数变化的映射。 在1,024格点链和4×256格点上,微调后的线路在各自评估点上的平方最大均值差异低于独立训练线路;链上约为独立训练的三分之一,格点上约为七分之一。

训练所需的模型系数用蒙特卡洛估计,不必构造完整输出分布。 此前的相位平均估计只适用于相互对易的 IQP 生成元,非对易的泡利旋转线路无法直接沿用。 估计量对有序泡利旋转线路无偏,采样误差的均方根上界与量子比特数无关;但每次采样需演化的振幅数由生成元决定,限制活跃格点可把该数目压到多项式规模。

启示与展望

演示范围限于横场伊辛模型与 Haldane 链等自旋模型族,小系统用精确对角化提供参考,1,024格点链与4×256格点用键维上限128的矩阵乘积态近似作为参考;比较在每种几何各一个评估点上进行,十二格点链的微调比较覆盖40个边界坐标和四次初始化。

大系统的参考态是有限键维的矩阵乘积态近似,评估点处已到达扫描上限,留出样本衡量的是与该近似基态的一致程度;在十二格点链上,独立训练在八阶系数的逐项误差上反而更低,说明整体关联强度接近并不保证单个系数的幅度或符号正确。