English(EN) Learning and Generating Mixed States Prepared by Shallow Channel Circuits

新算法可高效学习和生成混合量子态

作者 PulseAugur 编辑部 · [1 个来源] · 2026-06-17 04:00

研究人员开发了一种在特定物质相（称为平凡相）内学习和生成混合量子态的方法。该相的特点是存在一个保留局部可逆性的浅制备通道电路。新算法仅凭测量数据即可高效学习这些状态，并输出一个近似未知状态的浅电路。该方法对量子生成模型有影响，并启发了一种用于扩散模型的有效经典算法。 AI

排序理由学术论文发布在arXiv上，详细介绍了一种新的量子态生成算法。[lever_c_demoted from research: ic=1 ai=0.4]

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Fangjun Hu, Christian Kokail, Milan Kornja\v{c}a, Pedro L. S. Lopes, Weiyuan Gong, Sheng-Tao Wang, Xun Gao, Stefan Ostermann · 2026-06-17 04:00

Learning and Generating Mixed States Prepared by Shallow Channel Circuits

arXiv:2604.01197v4 Announce Type: replace-cross Abstract: Learning quantum states from measurement data is a central problem in quantum information and computational complexity. In this work, we study the problem of learning to generate mixed states on a finite-dimensional lattic…