University of Southern California（南加州大学）

Generative quantum machine learning via denoising diffusion probabilistic models

通过去噪扩散概率模型实现生成量子机器学习

Bingzhi Zhang, Peng Xu, Xiaohui Chen, Quntao Zhuang

机构 * Department of Physics and Astronomy, University of Southern California, Los Angeles, California 90089, USA（物理与天文学系，南加州大学） ； Ming Hsieh Department of Electrical and Computer Engineering, University of Southern California, Los Angeles, California 90089, USA（明斯赫电气与计算机工程系，南加州大学） ； Department of Statistics, University of Illinois at Urbana-Champaign, Champaign, Illinois 61820, USA（统计系，伊利诺伊大学厄巴纳-香槟分校） ； Department of Mathematics, University of Southern California, Los Angeles, California 90089, USA（数学系，南加州大学） 纠错

AI总结 本文提出量子去噪扩散概率模型（QuDDPM），通过引入中间训练任务和多层电路结构，实现高效训练的量子数据生成学习，适用于相关量子噪声模型、量子多体相和拓扑结构学习。

Comments 5+10 pages, 16 figures. PRL accepted version. Code available at: https://github.com/francis-hsu/quantgenmdl

Journal ref Phys. Rev. Lett. 132, 100602 (2024)