参数化IQP电路的量子比特扩展:面向整数数据的生成式量子机器学习方法
参数化瞬时量子多项式(IQP)电路在量子生成学习模型中被证明是有效的,特别是对于二元分布。然而,当应用于非二元数据集时,它们表现出显著的局限性:将整数值映射到量子比特兼容的二元表示通常会破坏数据原始的度量结构。本文旨在将其扩展为一种基于整数数据映射的量子比特(qudits)公式。IQP量子电路被调整为将每个整数值像素编码为固定长度的比特串,并遵循qudit形式对量子门进行转换。作为一种生成式机器学习方法,该研究开发了一种适用于电路训练的损失函数以及特征间协方差矩阵的计算方法,并在CLIC探测器电磁量能器中单粒子电子簇射的能量沉积数据上进行了验证。这项工作提出的方法也可推广到其他利用量子生成机器学习处理非二元数据的应用场景。

