量子科技中心_量科网

在量子哈密顿量学习与量子模拟的交叉领域，用简化有效模型近似复杂多体哈密顿量动力学是一个关键问题。研究表明，量子生成对抗网络（QGANs）在该任务中表现优于基于Trotter展开的传统近似方法。然而，随着系统规模扩大，训练平台效应和局部极小值问题会显著制约其性能。为突破这些限制，该团队提出了一种纠缠辅助学习策略：在训练过程的中期阶段，将单个随机初始化的辅助量子比特与学习系统耦合。随机化与纠缠效应的协同作用使该协议的学习性能获得显著提升。