科研動(dòng)態(tài)
基于變分量子的量子糾纏類別區(qū)分協(xié)議
中文題目：基于變分量子的量子糾纏類別區(qū)分協(xié)議
論文題目：Variational quantum entanglement classification discrimination
錄用期刊/會(huì)議：Physica A: Statistical Mechanics and its Applications (中科院大類三區(qū)，JCR Q2)
原文DOI：10.1016/j.physa.2024.129530
原文鏈接：https://www.sciencedirect.com/science/article/pii/S0378437124000384
作者列表：
1）王紹軒 中國(guó)石油大學(xué)（北京）人工智能學(xué)院 計(jì)算機(jī)科學(xué)與技術(shù) 碩21
2）沈穎童 中國(guó)石油大學(xué)（北京）人工智能學(xué)院 計(jì)算機(jī)科學(xué)與技術(shù) 碩22
3）劉新建 中國(guó)石油大學(xué)（北京）人工智能學(xué)院 計(jì)算機(jī)科學(xué)與技術(shù) 碩21
4）張皓穎 中國(guó)石油大學(xué)（北京）人工智能學(xué)院 計(jì)算機(jī)科學(xué)與技術(shù) 碩21
5）王玉坤 中國(guó)石油大學(xué)（北京）人工智能學(xué)院 計(jì)算機(jī)科學(xué)與技術(shù)系 教師
隨著量子技術(shù)的快速發(fā)展，理解糾纏態(tài)的特性已成為一項(xiàng)緊迫的任務(wù)。針對(duì)不同的量子應(yīng)用，已經(jīng)提出了各種糾纏態(tài)的分類方法，突顯了糾纏態(tài)分類的重要性。本文提出了一種用于糾纏態(tài)分類鑒別的變分量子分類器，可以有效減少測(cè)量資源，特別適用于基于SLOCC（隨機(jī)局部操作和經(jīng)典通信）的四量子比特糾纏等價(jià)分類。通過(guò)訓(xùn)練一對(duì)一和一對(duì)多模型，本文提出的方法在糾纏態(tài)分類方面取得了出色的性能。本文進(jìn)一步研究了參數(shù)化量子電路層和不同測(cè)量設(shè)置對(duì)分類器性能的影響。考慮到近期量子計(jì)算機(jī)中存在的固有噪聲，本文還分析了噪聲對(duì)模型性能的影響。此外，本文探討了分類器在多量子比特糾纏系統(tǒng)中的能力。數(shù)值模擬表明，可以利用淺層次電路實(shí)現(xiàn)高精度的糾纏態(tài)分類任務(wù)，并且該模型對(duì)噪聲具有魯棒性。
量子糾纏是量子力學(xué)的重要特征，在量子信息理論中發(fā)揮關(guān)鍵作用。作為基本資源，它在各種量子應(yīng)用中至關(guān)重要。不同的糾纏結(jié)構(gòu)導(dǎo)致了多種分類，為各種量子應(yīng)用提供基礎(chǔ)。然而，量子系統(tǒng)的封閉性阻止了直接獲取有關(guān)量子態(tài)的完整信息，使得使用量子態(tài)重構(gòu)和區(qū)分進(jìn)行糾纏分類挑戰(zhàn)重重。此外，隨著比特?cái)?shù)目的增加，量子態(tài)重構(gòu)所需的測(cè)量次數(shù)呈指數(shù)增長(zhǎng)。同時(shí)，尋找最優(yōu)的POVM具有挑戰(zhàn)性，并且在量子設(shè)備上實(shí)施POVM需要大量資源。因此，有必要探索高效的糾纏分類方法來(lái)提高糾纏分類的效率。
本文提出了一種新穎的變分量子分類器，專門用于在SLOCC下對(duì)四比特系統(tǒng)的不同糾纏家族進(jìn)行分類，并簡(jiǎn)化糾纏區(qū)分的過(guò)程。本文引入了兩種模型，一對(duì)一模型用于對(duì)兩種不同的糾纏進(jìn)行分類，而一對(duì)多模型則意味著對(duì)某種糾纏分類與其他糾纏進(jìn)行分類。通過(guò)使用易實(shí)現(xiàn)的參數(shù)化量子線路以及局部測(cè)量高效實(shí)現(xiàn)糾纏分類，減少線路資源與測(cè)量資源。
圖1 糾纏分類流程圖
本文所采用的參數(shù)化量子線路如圖2所示。參數(shù)化量子線路由單量子比特旋轉(zhuǎn)門和CNOT門組成，CNOT可以靈活調(diào)整以適應(yīng)不同的硬件架構(gòu)。這種靈活性簡(jiǎn)化了線路的布局，降低了門的數(shù)量，提高了線路的魯棒性和適應(yīng)性。
圖2 參數(shù)化量子線路結(jié)構(gòu)圖
圖3 一對(duì)一模型的平均AUC
圖4 一對(duì)多模型的平均AUC
針對(duì)一對(duì)一和一對(duì)多模型的數(shù)值模擬實(shí)驗(yàn)結(jié)果呈現(xiàn)在圖3和圖4中。對(duì)于一對(duì)一模型，在許多情況下，AUC大于0.95，有些情況甚至達(dá)到了1.0，表明方法有著極高的分類性能。對(duì)于一對(duì)多模型，與一對(duì)一模型相比，準(zhǔn)確度略有下降，可能是因?yàn)榭紤]了更多的分類。然而，分類準(zhǔn)確度仍然相當(dāng)可觀。
圖5 在不同的參數(shù)化線路層數(shù)以及測(cè)量設(shè)置下的平均AUC和LOSS
圖5展示了本方法可以通過(guò)調(diào)整不同的測(cè)量比特來(lái)提高分類精確度，并且可使用較少層數(shù)實(shí)現(xiàn)高精度分類，進(jìn)一步凸顯了方法的低線路深度的優(yōu)勢(shì)。
圖6 多量子比特糾纏系統(tǒng)的LOSS和AUC
圖6展示了對(duì)于多比特系統(tǒng)糾纏態(tài)的分類性能，凸顯了本方法對(duì)于多方系統(tǒng)是適用性。
本文通過(guò)引入一個(gè)變分量子分類器提出了一種新穎的糾纏分類方法。通過(guò)使用經(jīng)典優(yōu)化器訓(xùn)練可優(yōu)化的參數(shù)，本方法在進(jìn)行糾纏分類任務(wù)方面表現(xiàn)出了卓越的性能。本文中所提出的變分量子糾纏分類器可以僅僅使用單個(gè)局部測(cè)量操作來(lái)區(qū)分糾纏類別，這使得其具有節(jié)省量子測(cè)量資源并避免需要聯(lián)合測(cè)量的優(yōu)勢(shì)，本方法還表現(xiàn)出對(duì)噪聲的魯棒性。此外，本文還將研究擴(kuò)展到了多量子比特糾纏系統(tǒng)，并觀察到變分量子糾纏分類器保持了其可擴(kuò)展性，適用于處理更復(fù)雜和更大規(guī)模的糾纏系統(tǒng)。這些發(fā)現(xiàn)突顯了本文所提出的方法在處理各種情境和大規(guī)模系統(tǒng)下的糾纏分類任務(wù)中的優(yōu)越性和穩(wěn)健性。
王玉坤，女，博士，人工智能學(xué)院計(jì)算機(jī)系助理教授。研究方向?yàn)榱孔佑?jì)算，量子密碼及量子信息基本理論，主要包括：量子機(jī)器學(xué)習(xí)，經(jīng)典困難問(wèn)題量子算法加速，量子線路優(yōu)化與映射，量子密碼協(xié)議設(shè)計(jì)及安全性證明，設(shè)備不可信量子信息處理等。主持國(guó)家自然基金青年基金，密碼管理局密碼科技國(guó)家重點(diǎn)實(shí)驗(yàn)室面上項(xiàng)目，校人才啟動(dòng)基金，在國(guó)內(nèi)外著名期刊和會(huì)議發(fā)表SCI檢索的學(xué)術(shù)論文30余篇。擔(dān)任多個(gè)國(guó)際頂級(jí)期刊審稿人。