本文评估了 D-Wave 2X 量子退火器在 NP 难图问题(特别是团搜索和图划分)上的表现,比较了一系列量子求解器和当前的经典算法,并演示了在卡片上可以嵌入的实例中量子计算速度的大幅提升。
Jan, 2018
本研究着重于对量子退火器在解决实际组合优化问题时的行为进行深入研究和实验,通过对参数的敏感性分析和基于 200 多种参数配置的 3700 次以上的酉运行和 700 万次量子读取,得到与能量分布和最适宜的参数设置相关的发现,从而为非专业利益相关者打开某些量子计算领域的探索空间。
Jul, 2022
本文研究了量子退火算法在组合优化和相关抽样任务中相对于经典最新方法实现量子加速的前景,并且基于对既有文献中引入的多种启发式量子优化算法的改进相干时间以及控制能力的持续探索和兴趣,提出了包括连续时间哈密顿计算算法、反向退火和连续时间量子行走在内的 QA 有前途的变体,同时就机器学习的参数化量子电路的模拟提出了类比算法,这些算法大多没有(或被认为不可能有)已知的高效古典模拟,其中大多数算法的 “中等规模” 实验可能存在量子加速的可行可能性。建议通过在使能交换耦合通量量子比特时实现的时间依赖有效横向场伊辛哈密顿量生成的新型量子动力学的全面研究来实现更先进的控制协议以及 DQA 的最有前途的路径。
Aug, 2020
该篇文章介绍了基于超导通量量子位的 108 量子比特 D-Wave One 设备的量子退火实验结果,证明设备能够执行量子退火,作者使用了优化过的经典算法来比较该设备的计算能力。
Apr, 2013
本文探讨了量子退火算法、量子计算机的 QPUs 等在解决实际问题中的应用,尤其是对于交通流量优化问题的应用,提出了基于经典和量子混合的方法。
Aug, 2017
本文提出一种量子支持向量机分类器模型,实现有监督分类并取得了明显的量子加速,要求仅具备经典数据访问能力。在构造的数据集中,基于普遍认为的离散对数问题的困难性假设,该量子分类器实现的分类效果均优于无法逆多项式地超越瞎猜的经典学习器。这个模型可以通过一个容错的量子计算机来估算内积核函数,并且将数据映射为一个量子特征空间。此外,该分类器对由有限采样误差产生的内积核函数的加性误差具有一定的鲁棒性。
Oct, 2020
使用超导体五比特处理器,对基于 oracle 的问题进行求解,经过实验验证,在现有的嘈杂系统中,量子计算机的查询次数明显比经典计算机少,这种差距会随着误差率和问题大小的增加而不断扩大,这证明了量子优势确实在现有的嘈杂系统中出现了。
Dec, 2015
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
研究利用机器学习技术开发量子计算算法的一种新思路,通过对比标准实值和复值经典神经网络与量子神经网络性能的实验表明,量子神经网络能够用更少的反向传播次数和更小的网络模型获得相媲美甚至更好的结果。
Jul, 2018
本文提出量子计算的基准评估方法,研究其中涉及的关键问题,并针对目前的量子基准评估工作进行评估和改进,特别是针对 D-Wave Systems 的绝热量子优化器在解决组合优化问题时表现与传统方法相当,但架构限制是评估实际应用的重要障碍,提出未来解决这些障碍的算法工具。
Apr, 2016