近日，中国科学技术大学的李向阳与美国伊利诺伊大学香槟分校的Haiyue Zhang等人合作并取得一项新进展。经过不懈努力，他们提出量子电路自动编码器模型。相关研究成果已于2024年3月26日在国际知名学术期刊《物理评论A》上发表。

在此工作中，研究人员不仅推广了经典自编码器和量子自编码器的思想，还引入了量子电路自编码器(QCAE)模型，旨在压缩和编码量子电路中的信息。研究人员提供了一个完整的QCAE协议，并设计了一个变分量子算法varQCAE来实现该协议。研究人员从理论上分析了该模型，推导了无损压缩的条件，并为其恢复保真度设定了明确的上下界限。

最终，研究人员将varQCAE应用于三项实际任务中，数值结果显著地表明，该算法在以下方面均表现出色：（1）能够高效压缩量子电路内的信息；（2）有效检测量子电路中的异常情况；（3）显著减轻量子电路中的去极化噪声。这表明该算法可能适用于量子电路的其他信息处理任务。

据悉，量子自编码器是一种量子神经网络模型，用于压缩存储在量子态中的信息。然而，在新兴的量子信息技术中，许多任务都需要处理存储在量子电路中的信息。

附：英文原文

Title: Quantum circuit autoencoder

Author: Jun Wu, Hao Fu, Mingzheng Zhu, Haiyue Zhang, Wei Xie, Xiang-Yang Li

Issue&Volume: 2024/03/26

Abstract: A quantum autoencoder is a quantum neural network model for compressing information stored in quantum states. However, one needs to process information stored in quantum circuits for many tasks in the emerging quantum information technology. In this work, generalizing the ideas of classical and quantum autoencoders, we introduce the quantum circuit autoencoder (QCAE) model to compress and encode information within quantum circuits. We provide a comprehensive protocol for QCAE and design a variational quantum algorithm, varQCAE, for its implementation. We theoretically analyze this model by deriving conditions for lossless compression and establishing both upper and lower bounds on its recovery fidelity. Finally, we apply varQCAE to three practical tasks, and numerical results show that it can effectively (1) compress the information within quantum circuits, (2) detect anomalies in quantum circuits, and (3) mitigate the depolarizing noise in quantum circuits. These suggest that our algorithm is potentially applicable to other information processing tasks for quantum circuits.

DOI: 10.1103/PhysRevA.109.032623

Source: https://journals.aps.org/pra/abstract/10.1103/PhysRevA.109.032623