神经网络量子态层析成像。
qucumber的Python项目详细描述
用于多体本征态重构的量子计算器
Qucumber是一个重建未知量子波函数的程序 从一组测量中。测量应包括二进制计数; 例如,原子轨道或角动量本征值的占据 一个量子位。这些测量形成一个训练集,用于训练 随机神经网络称为受限boltzmann机器。一旦受过训练, 神经网络是未知波函数的重构表示 测量数据的基础。它可以用于生成模型,即。 产生新的测量实例,并计算 包含在原始数据集中。
Qucumber是由周界研究所量子智能实验室(Piquil)开发的。
功能
Qucumber使用两层RBM实现无监督生成建模。 每一层都是一些二进制随机变量(值为0或1)。这个 可见层的大小对应于输入数据,即 量子位。隐藏层的大小是一个超参数,可以进行系统控制 表示错误。
目前,量子态重建可以在纯态上进行 正定或复波函数。在正定的情况下 波函数,数据只需要在一个基础上。对于复杂波函数, 需要额外基础中的测量数据来训练波函数。
文件
文档可以找到here。
参见“用神经网络进行波函数重构”https://scipost.org/SciPostPhys.7.1.009
开始
这些说明将为您在 用于开发和测试的本地机器。
安装
如果您在windows上,则必须手动安装pytorch;说明 可以在他们的网站上找到:pytorch.org。
您可以安装最新稳定版本的Qucumber及其依赖项,
使用^{
pip install qucumber
如果由于某种原因,pip
无法安装pytorch,您可以找到
他们网站上的说明完成后,您应该能够安装
如上文所述,通过pip
来完成。
Qucumber支持Python3.5和更新的稳定版本。
安装出血边缘版本
如果你想安装最新但可能不稳定的版本, 您可以克隆存储库的“开发”分支,然后从如下源代码进行构建:
git clone git@github.com:PIQuIL/QuCumber.git
cd ./QuCumber
git checkout develop
python setup.py install
贡献
请阅读CONTRIBUTING.md了解有关如何贡献的详细信息 以及向我们提交请求的过程。
许可证
Qucumber是在ApacheLicense2.0版本下获得许可的,这包括 此回购协议中的所有文件。但是,某些杂项文件可能会获得许可 不一样。有关详细信息,请参见LICENSE。
引文
@Article{10.21468/SciPostPhys.7.1.009,
title={{QuCumber: wavefunction reconstruction with neural networks}},
author={Matthew J. S. Beach and Isaac De Vlugt and Anna Golubeva and Patrick Huembeli and Bohdan Kulchytskyy and Xiuzhe Luo and Roger G. Melko and Ejaaz Merali and Giacomo Torlai},
journal={SciPost Phys.},
volume={7},
issue={1},
pages={9},
year={2019},
publisher={SciPost},
doi={10.21468/SciPostPhys.7.1.009},
url={https://scipost.org/10.21468/SciPostPhys.7.1.009},
}
致谢
我们感谢阿尔贝戈先生、G.卡莱奥先生、J.卡拉斯奎拉先生、D.塞哈耶克先生和L.海沃德·西伦斯先生进行了许多有益的讨论。
我们感谢Perimeter Institute对皮奎尔的持续支持。
感谢Nick Mercer为我们打造了出色的标志。你可以多看看尼克的 访问his portfolio工作 行为举止!