Learning Unitaries by Gradient Descent

We study the hardness of learning unitary transformations in \(U(d)\) via gradient descent on time parameters of alternating operator sequences. We provide numerical evidence that, despite the non-convex nature of the loss landscape, gradient descent always converges to the target unitary when the s...

Ausführliche Beschreibung

Bibliographische Detailangaben

Veröffentlicht in:	arXiv.org 2020-02
Hauptverfasser:	Bobak Toussi Kiani, Lloyd, Seth, Maity, Reevu
Format:	Artikel
Sprache:	eng
Schlagworte:	Algorithms Controllability Convergence Critical point Learning Optimization Parameters Phase transitions Polynomials Sequences Stability
Online-Zugang:	Volltext
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!