量子人工智能的理论与实验--量子计算与量子人工智能-上海期智研究院

量子人工智能的理论与实验-

邓东灵

课题介绍

2020年7月至2021年8月间，我们研究进展顺利，取得了多个量子人工智能相关的研究成果。

本年度我们取得的部分重要科研成果有以下几个方面：

① 首次把强化机器学习的方法引入到量子编译中，实现了优化量子编译线路的普适算法。此算法所得量子编译序列长度远优于Solovay-Kitaev算法，而所需时间相比暴力穷举算法有指数优势。我们的研究成果在强化机器学习与量子计算之间建立了新的桥梁，提出了较优的量子编译算法，将对未来量子计算的理论与实验研究产生影响。

MTY4ODg1MTkyMzczNTI5Ng_858563_3MNLM5s1gMOXisfv_1635324460.png

图为量子编译问题与魔方还原问题的相似性

② 首次揭示了非厄米拓扑物态中的趋肤效应对无监督机器学习方法的影响，并利用无监督机器学习的方法实现了对非厄米拓扑相的聚类识别。我们的研究成果对进一步研究机器学习与非厄米拓扑相分类之间的关系，在理论及实验方面均有重要的指导意义。

③ 提出并发展了量子对抗机器学习，指出量子机器学习系统也有对抗样本的存在，且其存在性是普遍的，不依赖于输入数据是经典的或量子的，也不依赖于具体的量子学习模型，研究了量子对抗样本与对抗扰动的普适性。

课题科研成果

Y. H. Zhang, P. L. Zheng, Y. Zhang, and D. L. Deng, “Topological Quantum Compiling with Reinforcement Learning”, Physical Review Letters 125, 170501 (2020).

L. W. Yu, and D. L. Deng, “Unsupervised Learning of Non-Hermitian Topological Phases”, Physical Review Letters 126, 240402 (2020).

S. R. Lu, L. M. Duan, and D. L. Deng, “Quantum adversarial machine learning”, Physical Review Research 2, 033212 (2020).

D. Yuan, H. R. Wang, Z. Wang, and D. L. Deng, “Solving the Liouvillian Gap with Artificial Neural Networks”, Physical Review Letters 126, 160401 (2021).

S. Y. Zhang, and D. L. Deng, “Anomalous quantum information scrambling for Z3 parafermion chains”, Physical Review B 103, 195156 (2021).

W. Gong and D. L. Deng, “Universal Adversarial Examples and Perturbations for Quantum Classifiers”, National Science Review, in press (2021).

W.-G. Zhang, X.-L. Ouyang, X.-Z. Huang, X. Wang, H. L. Zhang, Y. F. Yu, X.-Y. Chang, Y. Q. Liu, D.-L. Deng*, and L.-M. Duan*, Observation of non-Hermitian topology with non-unitary dynamics of solid-state spins, Phys. Rev. Lett., 127, 090501 (2021).

分享到