Erasing Classical Memory with Quantum Fluctuations: Shannon Information Entropy of Reverse Quantum Annealing
Elijah Pelofske, Cristiano Nisoli
量子退火机可以通过在状态之间隧道提供非局部优化,理想情况下消除初始配置的内存。 我们通过在三个可编程超导通量量子退火器上对数千个具有周期性边界条件的奇数反铁磁环的横向正向模型研究内存损失和保留之间的交叉,通过在三个可编程超导通量量子比特量子退火器上进行反向量子退火实验。 在初始化自旋以包含单个域壁后,我们通过打开横向Zeeman能量将其暴露于量子波动中。 我们通过提取磁域壁分布的香农信息熵来描述低横向场下的记忆保留与高横向场内存损失之间的交叉。 我们在内存保留方面表现出明显的交叉,以及它对硬件平台和模拟时间的依赖。 我们的方法建立了量子波动和内存之间的相互作用的一般探针。
Quantum annealers can provide non-local optimization by tunneling between states in a process that ideally eliminates memory of the initial configuration. We study the crossover between memory loss and retention due to quantum fluctuations, in a transverse Ising model on odd numbered antiferromagnetic rings of thousands of spins with periodic boundary conditions, by performing reverse quantum annealing experiments on three programmable superconducting flux qubit quantum annealers. After initiali...
