量子科技中心_量科网

研究人员通过光量子处理器实验验证了利用隐子群对称性实现量子数据压缩的方法。该研究团队发现，包含广义周期性的经典数据库（这些对称性在最坏情况下难以被现有经典算法高效检测）可通过量子隐子群算法实现高效压缩。该工作实现了一种变分量子自编码器，能够自主从结构化数据中学习对称类型（如ℤ2×ℤ2与ℤ4的区别）和广义周期。该系统采用路径、偏振和时间自由度编码的单光子，通过电控波片实现可调量子门。基于梯度下降的训练成功识别出隐藏的对称结构，并通过消除冗余数据库条目实现压缩。该团队展示两种电路架构：参数化广义傅里叶变换结构及针对西蒙对称性的低限制架构，二者均能成功收敛，且训练过程中损失函数趋于零。这些结果为光量子计算机通过经典方法无法高效学习的对称性实现经典数据库压缩提供了实验原理验证，为量子增强信息处理开辟了新途径。