針對多體哈密頓量的吉布斯態元學習及其在量子波茲曼機上的應用

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

本文處理在 NISQ 裝置上製備參數化哈密頓量的吉布斯（熱）態。作者提出兩種元學習方法，先以有限的參數值集合進行訓練，再於該範圍內未見過的參數值上製備量子態。這些模型在多達八個量子位元的伊辛與海森堡測試案例中表現準確，且應用於量子波茲曼機時，執行時間比基於 VarQITE 的方法縮短 30 倍。