数字量子模拟的遗传算法

Dec, 2015

Genetic Algorithms for Digital Quantum Simulations

U. Las Heras, U. Alvarez-Rodriguez, E. Solano, M. Sanz

TL;DR利用遗传算法提高数字量子模拟的灵活性，可以增加数字量子模拟协议的保真度和优化资源使用效率，并适应实验性约束，在减少数字误差和量子门的实验误差方面起到作用，通过添加辅助比特，设计由不完美门组成的模块化门，其保真度高于任何组成门的保真度，并且对不同门误差具有韧性。

Abstract

We propose genetic algorithms, which are robust optimization techniques inspired by natural selection, to enhance the versatility of digital quantum simulations. In this sense, we show that genetic algorithms can

genetic algorithms digital quantum simulations fidelity resource optimization experimental errors

发现论文，激发创造

遗传算法优化动力学解耦

利用遗传算法优化去耦合序列，在脉冲误差下实现单量子位系统的鲁棒性。

Oct, 2012

数字模拟量子退火器与经典进化算法的比较

本文探讨了应用特定硬件、量子和量子灵感求解器对组合优化问题 QUBO 变形进行优化是否比应用经典进化算法在其自然表示中求解同一问题更快，并证实了 Fujitsu Digital Annealer 在旅行商、二次分配和多维背包问题实例上比遗传算法表现更优。

May, 2022

变分混合量子 - 经典算法理论

本文讨论了量子算法中的优化问题，并提出了一种基于量子 - 经典混合的优化方案，其中包括变分绝热量子算法和单粒子门晶格，通过拟合和消除误差和采用现代没有导数的优化技术来节省计算成本。

Sep, 2015

AutoQML：使用遗传算法在灰度图像上自动生成和训练鲁棒的量子启发式分类器

本研究提出了一个新的混合系统，通过使用多目标遗传算法，自动生成和训练基于量子启发式分类器来处理灰度图像。通过定义动态适应性函数来确保所提出的技术具有通用性和鲁棒性，我们能够在视觉数据集上获得最小电路和最高精度，同时在量子电路和图像降维方法之间进行比较。

Aug, 2022

使用多目标遗传算法生成量子特征映射

我们使用一种多目标遗传算法来高效生成支持向量机的量子特征映射，该方法能使得访问高维希尔伯特空间成为可能，并通过最小化量子特征映射电路的本地和非本地门成本来同时最大化分类准确度，对比了经典分类器以了解量子机器学习的优势，并显示出量子核方法的优化配置中需要包含比例数量的非本地门用于纠缠，以及证明数据的可分离性指标可以有效地用于确定量子支持向量机特征映射所需的非本地门数量，从而在基于数据分析的各种量子编程包（如 quiskit.org）中选择适当的参数（例如纠缠参数），我们的发现为增强量子机器学习算法的效率和准确性提供了有价值的指导。

Aug, 2023

天文学和天体物理学中的遗传算法

该文介绍了遗传算法（GAs）在计算优化问题中的应用，以及在天文学和天体物理学中的实用性。

Feb, 2012

学习优化变分量子电路来解决组合问题

本文提出了两种基于机器学习的方法，采用强化学习 (RL) 框架和核密度估计 (KDE) 技术，分别用于优化 QAOA 电路，从小规模问题实例中学习，然后在较大的问题实例中使用，结果表明与其他现成的优化器相比，这两种方法可以将优化度缺口减少多达 30.15 个因子。

Nov, 2019

实验装置的进化优化

本文提出了一种基于差分进化的遗传算法来自动化实验参数优化的方法，该算法在实验噪声和局部最大值等情况下也具有鲁棒性，并且易于实现，适用于广泛的实验优化任务。

May, 2013

遗传算法是分子生成的强大基准

本论文表明，遗传算法是一种强大的生成分子的算法，优于许多复杂的机器学习方法，并提出了遗传算法准则，建议重新评估分子生成的研究。

Oct, 2023

混合量子计算机的量子电路训练

这篇论文研究了使用基于数据的方法在陷阱离子量子计算机上训练量子电路，以实现一种高维普适量子电路的学习，为混合学习方案提供了进一步的发展和挑战。

Dec, 2018