面向多体哈密顿量的吉布斯态元学习及其在量子玻尔兹曼机中的应用

原标题: Meta-learning of Gibbs states for many-body Hamiltonians with applications to Quantum Boltzmann Machines

本文研究在NISQ设备上制备参数化哈密顿量的吉布斯（热）态。作者提出了两种元学习方法，先在有限的参数值集合上训练，再在该范围内未见过的参数值处制备量子态。这些模型在最多八个量子比特的伊辛和海森堡测试案例中表现准确，应用于量子玻尔兹曼机时，与基于VarQITE的方法相比，运行时间缩短至三十分之一。