QSL

ShadowNet 以数据驱动的方法推进量子系统学习

研究人员推出了一种新颖的数据驱动学习范式 ShadowNet，旨在克服现有方法在理解大型量子系统方面的局限性。该方法将神经网络协议与经典阴影相结合，解决了数据收集计算量大以及无法提炼先验数据知识等问题。ShadowNet 采用卷积和注意力机制实现，已在多达 60 个量子比特的系统上证明了其在量子态层析成像和直接保真度估计方面的有效性，显示出理解复杂量子系统的潜力。