量智信息中心_量科网

基于扩散和流匹配的强大深度生成模型的出现，使得学习与建模复杂分布成为可能。然而，由于精准建模量子态有意义的物理特性固有困难，学习量子分布仍具挑战性。该研究提出量子流匹配（QFM），一种利用自旋维格纳函数和流匹配学习量子分布的新型生成模型。通过将密度矩阵转换为自旋维格纳函数，并利用函数空间的泛函流匹配学习分布，QFM能够准确有效地学习多量子比特量子分布。该团队通过评估生成量子态的迹、纯度及纠缠熵等物理量，验证了该方法的有效性，从而精准捕捉给定量子分布背后的物理本质。