量子科技中心_量科网

该研究团队提出结合量子计算机与经典机器学习来探索有趣的量子多体动力学实例。具体而言，研究人员为给定电路（族）实例定义了可在量子计算机上评估的“兴趣函数”，并通过经典学习代理调整电路以最大化兴趣值。通过两个示例论证表明：在足够通用的电路族中，基于（i）演化状态可分类性和（ii） unitary电路谱特性的简单兴趣函数，能分别被离散时间晶体（DTC）和双单元电路最大化。针对案例（i），模拟自适应优化过程证实该方法确实能以高概率发现DTC。该工作表明，具备量子计算资源的学习代理可发掘多体量子动力学新现象，并将优质兴趣函数的设计确立为未来量子多体物理的研究范式。