Jan, 2019

浅层梯度测量可以提高变分混合量子 - 经典算法的收敛性

PDF
TL;DR本文介绍了一种基于低深度梯度测量和随机梯度下降的变分算法，可以在黑盒优化模型中显著更快地收敛于优解，而且在某些情况下，该算法使用梯度测量比基于估计目标函数本身的策略具有更快的收敛速度，这种算法可以在量子计算、优化和测量等领域发挥重要作用。
variational algorithmsquantum computationoptimizationmeasurementstochastic gradient descent
发现论文，激发创造
  • 在量子硬件上计算解析梯度

    本文介绍了一种利用同一或几乎相同的架构的方法来估计量子测量期望值的梯度，以优化杂化量子 - 经典算法的目标函数，尤其适用于量子化学、药物发现和机器学习等领域。

    Nov, 2018

  • 混合量子经典优化的随机梯度下降

    本文探索了在混合量子 - 经典优化的上下文中，利用量子硬件估计期望值所产生的随机梯度下降优化，证明了在很多相关算法，如 VQE、QAOA 和某些量子分类器中使用 $k$ 次测量结果估计期望值的优化算法的收敛性能可以得到严格的理解，本文证明了所有算法都有收敛保证，并在基准 VQE、QAOA 和量子增强机器学习任务上进行了数值探索。

    Oct, 2019

  • 应用随机参数移位法计算一般量子演化分析梯度

    本文研究了如何直接从量子测量中估计要优化的函数的梯度，提出了一种基于 Pauli 旋转扩展的哈密顿量的梯度估计算法，可适用于带噪声量子门的多量子位参数量子演化。

    May, 2020

  • 基于 Lie 代数对变分量子电路进行高效梯度估计

    该研究探讨了混合量子 - 经典优化和学习策略，并提出了一种利用哈密顿在李代数或群论中的代数对称性进行梯度估计的框架，以及使用经典影子重建方法进一步减少测量次数的方法。

    Apr, 2024

  • 混合量子 - 经典算法的实用优化

    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

  • 通过更快的量子梯度计算来优化量子优化算法

    该论文提出了一个基于梯度下降的优化算法框架，发展了一种计算多元实值函数梯度的量子算法，并提高了计算梯度的复杂性以适应光滑函数的重要类别，而且可以为量子最优化算法提供更快的计算梯度方法。

    Nov, 2017

  • 量子态重构的投影梯度下降算法

    本研究使用投影梯度下降法提出了三种新的量子态重构算法，并将它们与现有的算法进行了比较，结果表明投影梯度下降法适用于大规模复杂状态的重构，速度快且表现优异。

    Dec, 2016

  • 量子影子梯度下降法用于量子学习

    该论文提出了一种名为量子阴影梯度下降 (QSGD) 的新程序，以解决一次性方法、量子阴影样本生成和非乘积态哈密顿量等相关问题，并通过理论证明、收敛分析和数值实验验证了其结果。

    Oct, 2023

  • 深度量子神经网络中梯度测量效率与表达能力的权衡

    量子神经网络（QNNs）需要一种高效的训练算法以实现实际的量子优势。我们提出了一种通用的权衡关系，即高测量效率会导致较低的表达能力，而减少 QNN 的表达能力可以提高梯度测量效率，同时提出了一种称为稳定 - 逻辑乘积 ansatz 的 QNN 设计方案，可以实现权衡不等式的上限，在学习未知对称函数时显著减少了量子资源需求，保持了准确性和可训练性。

    Jun, 2024

  • 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