量子电路保真度提升LSTM网络数据集-2023-ykmaoykmao
数据来源：互联网公开数据
标签：量子电路,保真度,机器学习,LSTM,数据集,量子计算,优化,训练
数据概述：
本数据集包含了用于arXiv:2303.17523论文《长短期记忆网络在量子电路保真度提升中的应用》中的三个演示（保真度预测、编译优化和噪声自适应训练）所需的数据。数据集包含大量量子电路操作和相关性能指标，适用于训练和评估长短期记忆网络（LSTM）在量子计算中的应用。
数据集包括以下部分：
- demo_0_fidelity_prediction：保真度预测的示例数据，包含量子电路及其保真度指标。
- demo_1_transpilation_optimization：编译优化的示例数据，包含量子电路及其优化后的性能指标。请注意，此数据集需要大量内存，超出Kaggle免费计划的限制。
- image_maker：展示结果图像生成过程的代码示例。
数据集生成代码可以在GitHub仓库https://github.com/yikaimao/Q_fid获取。
数据用途概述：
该数据集适用于量子计算与机器学习交叉研究的多种场景，包括量子电路保真度预测模型的训练与评估、量子电路编译优化策略的研究、以及噪声环境下量子电路训练方法的探索。研究人员可以利用此数据集开发和测试新的量子计算算法和优化策略，为量子计算领域的发展提供有力的数据支持。
