量子科技中心_量科网

受柯尔莫哥洛夫复杂度与无监督机器学习密切关系的启发，该研究团队以量子电路复杂度——量子计算与量子信息科学中的重要概念——为支点，致力于构建可解释且高效的无监督机器学习方法，用于理解量子多体系统中的拓扑序。为将理论概念转化为实际应用，该工作提出两个定理：分别将尼尔森量子电路复杂度（用于任意两个量子多体态间的路径规划）与保真度变化、纠缠生成建立联系。基于这些关联，研究团队构建了更易实现的保真度与纠缠相似性度量（核函数）。通过这两个核函数，该团队对键交替XXZ自旋链的量子相、Kitaev环面码基态及随机乘积态进行了无监督聚类数值实验，结果展现出卓越性能。研究还探讨了与经典阴影层析成像及阴影核学习的关联，后者可从该团队的方法中自然推导和理解。该成果在量子电路计算、量子复杂度与拓扑量子序机器学习三大领域的核心概念与工具之间建立了深刻联系。