Машинное обучение для подготовки основного состояния с помощью измерений и обратной связи В статье представлен подход к подготовке основного состояния с использованием рекуррентных нейронных сетей, измерений в середине цепи и обратной связи. В отличие от предыдущих методов, где машинное обучение использовалось только как оптимизатор, здесь подход динамически корректирует квантовые схемы на основе результатов измерений в реальном времени и изучает различные протоколы подготовки для разных гамильтонианов. Алгоритм машинного обучения последовательно определяет стратегию подготовки состояния, при которой все начальные состояния сначала переводятся в промежуточное состояние, а затем — в целевое основное. Показано, что эффективность повышается при увеличении количества вспомогательных кубитов для измерений и обратной связи, что подчёркивает эффективность измерений в середине цепи при подготовке состояний. arXiv: 2502.06517 Обзоры | Квантовая физика