参数化量子电路结构优化
本文介绍了一种名为 ORB 的量子学习模型的最优参数结构,通过考虑问题哈密顿量的自同构群而形成这种理想参数结构,证实了在多个基态问题中 ORB 的表现要比文献里的电路结构更好。
Jul, 2022
本文提出了一种适用于量子经典混合算法的顺序最小优化方法,解决了参数量子电路上的优化问题,比现有的基于梯度和无梯度优化算法更快更稳健,可用于优化近期量子设备的性能。
Mar, 2019
本论文提出了一种基于强化学习的算法,能够自主探索合适的变分预测模型,同时最小化电路的深度并增加结果的精度,在锂氢分子比较经典的量子计算基准问题上取得了化学精度和最先进的电路深度优化结果。
Mar, 2021
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
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
本文介绍了一种硬件高效的可变量量子本征求解器,结合铁磁哈密顿量的紧凑编码和稳健的随机优化算法,在量子处理器上实现了六量子位哈密顿问题的实验优化,并将技术应用于一个量子磁学问题,其结果有助于阐明将该方法扩展到更大系统的要求,并致力于填补高性能计算前沿问题与其在量子硬件上实现之间的差距。
Apr, 2017
本文提出了一种仅需一个量子电路就能计算量子神经网络梯度的方法,该方法减少了电路深度和经典寄存器数量,同时解决了解决原方法中参数数量较多时所面临的电路调整和重复运行的问题,并在实验中展示了快速编译的优势和缩短总运行时间的速度提升。
Jul, 2023