In this paper, we study the problem of learning quantum circuits of a certain structure. If the unknown target is an $n$-qubit Clifford circuit, we devise an algorithm to reconstruct its circuit representation by using $O(n^2)$ queries to it. It is unknown for decades how to handle circuits beyond the Clifford group for which the stabilizer formalism cannot be applied. Herein, we study quantum circuits of $T$-depth one given the all-zero state as an input. We show that their output states can be represented by some stabilizer pseudomixtures. By analyzing the algebraic structure of the stabilizer pseudomixture, we can reconstruct the output state of an unknown $T$-depth one quantum circuit on input $|0^n\rangle$ from the outcomes of Pauli measurements and Bell measurements. If the number of $T$ gates is of the order $O(\log n)$, our algorithm requires $O(n^2)$ queries. Our results greatly extend the previous known facts that stabilizer states can be efficiently identified based on the stabilizer formalism. Hence, the proposed expanded stabilizer formalism and our analysis might pave the way towards learning quantum circuits beyond the Clifford structure.


翻译:在本文中, 我们研究学习某结构的量子电路的问题。 如果未知目标为 $- qubit 克里福德电路, 我们就会设计一种算法, 通过使用 $( cm2) 查询来重建其电路代表结构。 数十年来我们不知道如何在克里福德 组之外处理电路, 无法应用稳定化的正规主义。 在这里, 我们研究 美元深度的量子电路, 以所有零状态作为输入。 我们显示它们的输出状态可以由某种稳定剂假混合体来代表。 通过分析稳定器伪混合体的升格结构, 我们可以重建一个未知的 $( 10) 美元 深度的电路的输出状态 。 根据 Pauli 测量结果和 Bell 测量结果, 无法使用 。 如果以 $( log n) 的顺序为, 我们的算法需要 $O (n) 2 查询 。 我们的结果大大扩展了先前已知的事实, 稳定器国家可以有效地根据稳定剂正态结构来, 向稳定化的流路路路段学习。 因此, 扩大了 稳定器分析。 数据分析可能扩大了 。

0
下载
关闭预览

相关内容

【干货书】机器学习速查手册,135页pdf
专知会员服务
125+阅读 · 2020年11月20日
Fariz Darari简明《博弈论Game Theory》介绍,35页ppt
专知会员服务
109+阅读 · 2020年5月15日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
58+阅读 · 2019年10月17日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
151+阅读 · 2019年10月12日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
无监督元学习表示学习
CreateAMind
27+阅读 · 2019年1月4日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
计算机类 | 期刊专刊截稿信息9条
Call4Papers
4+阅读 · 2018年1月26日
Adversarial Variational Bayes: Unifying VAE and GAN 代码
CreateAMind
7+阅读 · 2017年10月4日
【推荐】决策树/随机森林深入解析
机器学习研究会
5+阅读 · 2017年9月21日
【推荐】SVM实例教程
机器学习研究会
17+阅读 · 2017年8月26日
Andrew NG的新书《Machine Learning Yearning》
我爱机器学习
11+阅读 · 2016年12月7日
Arxiv
0+阅读 · 2021年8月25日
Arxiv
0+阅读 · 2021年8月23日
Arxiv
0+阅读 · 2021年8月22日
Arxiv
0+阅读 · 2021年8月19日
Arxiv
14+阅读 · 2019年9月11日
Arxiv
4+阅读 · 2018年4月30日
VIP会员
相关VIP内容
【干货书】机器学习速查手册,135页pdf
专知会员服务
125+阅读 · 2020年11月20日
Fariz Darari简明《博弈论Game Theory》介绍,35页ppt
专知会员服务
109+阅读 · 2020年5月15日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
58+阅读 · 2019年10月17日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
151+阅读 · 2019年10月12日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
相关资讯
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
无监督元学习表示学习
CreateAMind
27+阅读 · 2019年1月4日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
计算机类 | 期刊专刊截稿信息9条
Call4Papers
4+阅读 · 2018年1月26日
Adversarial Variational Bayes: Unifying VAE and GAN 代码
CreateAMind
7+阅读 · 2017年10月4日
【推荐】决策树/随机森林深入解析
机器学习研究会
5+阅读 · 2017年9月21日
【推荐】SVM实例教程
机器学习研究会
17+阅读 · 2017年8月26日
Andrew NG的新书《Machine Learning Yearning》
我爱机器学习
11+阅读 · 2016年12月7日
相关论文
Arxiv
0+阅读 · 2021年8月25日
Arxiv
0+阅读 · 2021年8月23日
Arxiv
0+阅读 · 2021年8月22日
Arxiv
0+阅读 · 2021年8月19日
Arxiv
14+阅读 · 2019年9月11日
Arxiv
4+阅读 · 2018年4月30日
Top
微信扫码咨询专知VIP会员