一种使用低深度电路训练神经网络的量子算法

近期的基于门模型的量子处理器能否在预故障容忍噪声环境中为实际应用提供量子优势？在这方面显示出一定前景的一类算法是所谓的经典-量子混合变分算法。我们在这里开发了一种用于生成神经网络的低深度量子算法，利用变分量子电路。我们介绍了一种方法，该方法将量子近似优化算法作为子例程，以生成并采样伊辛哈密顿量的低能量分布。我们采样这些状态来训练神经网络，并展示对于数值模拟的带有去极化误差的电路（误差率高达4%）的训练收敛性。