KI und die schwierigen Probleme der Welt · Quantenphysik & Quantencomputing · arXiv · 2026-10-23
Meta-Lernen von Gibbs-Zuständen für Vielteilchen-Hamiltonoperatoren mit Anwendungen auf Quanten-Boltzmann-Maschinen
Originaltitel: Meta-learning of Gibbs states for many-body Hamiltonians with applications to Quantum Boltzmann Machines
Die Arbeit befasst sich mit der Präparation von Gibbs-Zuständen (thermischen Zuständen) parametrisierter Hamiltonians auf NISQ-Geräten. Die Autoren schlagen zwei Meta-Learning-Methoden vor, die auf einer endlichen Menge von Parameterwerten trainieren und anschließend Zustände bei unbekannten Werten innerhalb dieses Bereichs präparieren. Die Modelle sind bei Ising- und Heisenberg-Testfällen mit bis zu acht Qubits genau, und bei Anwendung auf eine Quantum Boltzmann Machine verkürzen sie die Laufzeit gegenüber einem VarQITE-basierten Ansatz um das 30-Fache.