Quantum maximum mean discrepancy GAN

计算机科学 量子 量子态 公制(单位) 量子算法 度量(数据仓库) 希尔伯特空间 量子网络 理论计算机科学 算法 量子信息 物理 量子力学 数据挖掘 运营管理 经济
作者
Yiming Huang,Hang Lei,Xiaoyu Li,Guowu Yang
出处
期刊:Neurocomputing [Elsevier]
卷期号:454: 88-100 被引量:11
标识
DOI:10.1016/j.neucom.2021.04.091
摘要

Abstract Generative adversarial network (GAN) has shown profound power in machine learning. It inspires many researchers from other fields to create powerful tools for various tasks, including quantum state preparation, quantum circuit translation, and so on. It is known as classical techniques cannot efficiently simulate the quantum system, and the existing works haven’t investigated the quantum version of maximum mean discrepancy as the metric in learning models and applied it to quantum data. In this paper, we propose a metric named quantum maximum mean discrepancy (qMMD), which can be used to measure the distance between quantum data in Hilbert space. Based on the qMMD, we then design a quantum generative adversarial model, named qMMD-GAN, under the hybrid quantum–classical methods. We also provide the construction of qMMD-GAN that can be easily implemented on a quantum device. We demonstrate the power of our qMMD-GAN by applying it to a crucial real-world application that is generating an unknown quantum state. Our numerical experiments show that qMMD-GAN has a competitive performance compared to existing results. We believe that the hybrid-based models will not only be applied to physics research but provide a new direction for improving classical data processing tasks.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
老麦完成签到,获得积分10
1秒前
炙热初晴完成签到,获得积分10
1秒前
2秒前
2秒前
77MM完成签到,获得积分10
2秒前
BadBoy发布了新的文献求助10
2秒前
冰咖啡完成签到,获得积分10
3秒前
123完成签到 ,获得积分10
4秒前
Mastar完成签到,获得积分10
5秒前
5秒前
英俊的铭应助峥嵘岁月采纳,获得10
5秒前
5秒前
魏煜佳完成签到,获得积分10
5秒前
拓小八完成签到,获得积分10
6秒前
求求了完成签到,获得积分10
6秒前
6秒前
謓言完成签到,获得积分10
6秒前
7秒前
干净菀完成签到,获得积分10
7秒前
yi111发布了新的文献求助10
7秒前
希望天下0贩的0应助嗯呢采纳,获得10
8秒前
9秒前
9秒前
satchzhao发布了新的文献求助10
9秒前
科研小菜鸡完成签到,获得积分20
9秒前
Caleb完成签到,获得积分10
10秒前
满增明发布了新的文献求助10
10秒前
10秒前
11秒前
莫0817完成签到,获得积分10
12秒前
茜茜008发布了新的文献求助30
12秒前
酷波er应助BadBoy采纳,获得10
12秒前
12秒前
温润如玉坤完成签到,获得积分10
12秒前
高源伯完成签到 ,获得积分10
13秒前
13秒前
畅快的念烟完成签到,获得积分10
13秒前
木槿花难开完成签到,获得积分10
13秒前
14秒前
xiuqing董完成签到,获得积分10
14秒前
高分求助中
The late Devonian Standard Conodont Zonation 2000
Nickel superalloy market size, share, growth, trends, and forecast 2023-2030 2000
The Lali Section: An Excellent Reference Section for Upper - Devonian in South China 1500
Very-high-order BVD Schemes Using β-variable THINC Method 890
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 800
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 800
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3257371
求助须知:如何正确求助?哪些是违规求助? 2899231
关于积分的说明 8304717
捐赠科研通 2568521
什么是DOI,文献DOI怎么找? 1395145
科研通“疑难数据库(出版商)”最低求助积分说明 652955
邀请新用户注册赠送积分活动 630725