用于量子电路和控制的量子几何机器学习
应用介绍
我们的结果表明，如何使用几何控制技术来（a）验证几何合成的量子电路沿着测地线分布的范围，从而验证时间最优路径的路线，以及（b）合成这些电路。
该项目包含用于实现量子几何机器学习（QGML）方法的代码库，以及使用与特定的SU（$ 2 ^ n $）Lie群流形相关的测地线离散近似近似时间最优量子电路合成的仿真。 Perrier等人的论文《量子电路和控制的量子几何机器学习》中阐述了quibit系统。该代码以Python实现，主要使用TensorFlow> = 2.2和Python> 3.7以及一系列其他标准软件包，包括Qutip> = 4.0。
代码结构如下：
Simulation.py：此文件包含Python代码，该代码用于生成数据集，这些数据用作本文详细介绍的机器学习模型的输入。 Python代码基于一个类构造，该类构造输出一系列这样的序列和单一传播器，以用作针对本文中机器学习模型的训练，验证和测试数据。可以通过示例Jupyter 进行调用。该代码是生成培训和验证数据集的方法，该数据集是本文结果的基础。
QGML.ipynb：一个包含QGML类的Jupyter，该类又包含了本文讨论的每个灰盒模型；
QGML-original model.ipynb：一个Jupyter，其中包含原始模型的改编版实现；
customlayers.py：包含由QGML类调用的自定义图层的文件；
holonomy.py：[路径解析表达式的结果在Python代码中的实现。
每个文件都包含注释，以帮助研究人员了解体系结构以及各种编码模块如何组合在一起。
数据集
ntrain1000：1000个训练示例；
hscale：子单元进化的时间步长h。
所有代码文件应放在同一文件夹中。每个文件都需要与代码解压缩到相同的文件夹中。
©版权声明：本文内容由互联网用户自发贡献，版权归原创作者所有，本站不拥有所有权，也不承担相关法律责任。如果您发现本站中有涉嫌抄袭的内容，欢迎发送邮件至： www_apollocode_net@163.com 进行举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。
转载请注明出处： apollocode » 用于量子电路和控制的量子几何机器学习
文件列表(部分)
| 名称 | 大小 | 修改日期 |
|---|---|---|
| customlayers.py | 4.75 KB | 2020-06-23 |
| holonomy.py | 1.59 KB | 2020-06-23 |
| QGML - original model.ipynb | 7.50 KB | 2020-06-23 |
| QGML.ipynb | 15.19 KB | 2020-06-23 |
| simulation.py | 6.46 KB | 2020-06-23 |
| su2_ntrain1000_nseg10_hscale0.1_su2gen1.pickle.gz | 5,730.56 KB | 2020-06-23 |
| su2_ntrain1000_nseg10_hscale0.1_su2genNone.pickle.gz | 4,066.09 KB | 2020-06-23 |
| su4_ntrain1000_nseg10_hscale0.1_su2genNone.pickle.gz | 15,836.08 KB | 2020-06-23 |
| 代码对应代码.pdf | 1,468.16 KB | 2020-07-02 |
| quant-geom-machine-learning | 0.00 KB | 2020-07-02 |
发表评论 取消回复