量子科技中心_量科网

加载高维分布是利用量子计算机在从机器学习到金融等应用中的重要任务。高维度导致了维度灾难：用k分辨率表示d维分布需要dk个量子比特，而一个非结构化的参数化电路会在量子比特数量的指数级算子空间中表达酉算子，导致梯度消失，即使在深度较高时收敛保证也很差。藤蔓连接分解在经典计算中被广泛用于表示高维分布，在金融建模等许多重要应用中展现出高质量的近似。该团队提出了Qvine，一种基于藤蔓结构的量子电路拟设，它模仿藤蔓分解来构建可扩展的量子电路，具有高效的训练性，同时实现与振幅编码分布相似的高质量近似。对于正则藤蔓（R-vines），该工作表明电路深度最多随分布维度呈二次增长，而对于D-vines以及许多实际应用的R-vines，电路深度随维度线性增长。针对3维和4维高斯分布以及选定股票的经验联合股价收益分布，该团队的实验表明Qvine实现了高质量的加载。