实用量子变分算法
本研究介绍了一种基于对称性的有效量子态制备电路方案,可以在量子计算中高效地实现化学模拟,并在 $H_2$ 和 $LiH$ 的量子模拟中表现出更高的准确性和电路深度。
Apr, 2019
本文介绍了基于变分方法的新型混合量子 - 经典算法类别,重点是探究了优化方法和精度水平对变分算法的性能影响,最后提出了用拟牛顿优化方法执行量子逼近优化算法的结果。
Jan, 2017
通过渐进增加量子比特的数目,同时采用张量网络表示方式和对实际系统对称性的保留,我们提出了一种方法来研究近期噪声中等规模量子计算机上的量子多体系统的基态性质,并在实用场景中展示了其可行性。
Feb, 2019
通过对哈密顿变分试探算法的研究,发现它在结构上表现良好,具有较弱或完全不存在的荒漠高原特征和较小的状态空间,因此容易优化。同时也观察到了随着电路层数的增加而出现的从困难局面到优化的转变,以及在 XXZ 模型和横场伊辛模型中实现超参数化的阈值大约按多项式尺度而非指数尺度增长。最后,演示了 HVA 的能力和有效性,将其用于求解具有长程相互作用和幂律纠缠缩放的 Haldane-Shastry 哈密顿量的基态近似。
Aug, 2020
本研究提出了一种基于变分混合量子 - 经典算法的量子状态对角化算法,该算法可以通过量子计算评估门序列的成本(比经典成本评估更快),并且经典计算机使用此信息来调整门序列的参数,主要适用于凝聚态物理和机器学习领域中的状态对角化问题,它可以通过最小化成本函数来返回一个近似对角化的门序列,从而获得量子态的最大特征值和相关的特征向量的近似值。
Oct, 2018
利用量子计算机演化调控 Hubbard 模型,采用有效嵌套策略实现指数级降低影响因素,设计高效测量和非破坏式的实验方法,实现对模型的精确刻画和参数量子模拟。
Jun, 2015
本文提出了一种用于监督学习的低深度可变量量子算法,其使用参数化单个和双量子位门的量子电路以及单量子位测量来编码输入特征向量并进行分类,从而实现了可学习参数数量与输入维度的多项式对数关系。通过模拟,该电路为标准经典基准数据集提供了很好的分类性能,而且需要的参数数量极少。
Apr, 2018
本研究提出了一种基于量子电路学习的算法,可以利用本地门和量子位连接等量子硬件能力来协助量子设备的表征,并训练浅层电路进行生成式任务。此方法可以学习绿伯格 - 霍恩 - 泽林格(Greenberger-Horne-Zeilinger)状态的最佳制备方法,也可以有效地制备连续热态的近似表示,其波函数在其幅度中编码玻尔兹曼概率。最后,研究提供了一种新的硬件无关指标,称为 qBAS 得分,可用于衡量近期量子设备的性能。
Jan, 2018
我们提出了一种有效的方法,同时优化量子电路的结构和参数值,具有较小的计算开销,适用于噪声中等规模的量子计算机。我们在模拟中优化了变分量子本征求解器,以找到氢化锂和海森堡模型的基态,并在 IBM Melbourne 量子计算机上找到氢气的基态。
May, 2019
本文研究了变分量子算法在优化、特征值估计和机器学习中的应用,提出了两种目标函数来最小化任意量子电路的输出。这表明,基于变分量子计算的程序是一种普适的量子计算模型,具有和其他量子计算模型相同的计算能力。
Mar, 2019