Oct, 2019

面向任何领域、抗干扰、硬件高效的进化变分量子特征求解器

PDF
TL;DR本文介绍了一种新颖的变分算法 —— 进化变分量子本征求解器 (EVQE)，该算法使用进化编程技术来最小化给定哈密尔顿量的期望值，通过动态生成和优化量子电路 (ansatz) 来实现。EVQE 单元优化域内的问题，使用硬件高效电路 (ansatz) 进行准确的能量评估。EVQE 通过虚拟化生成的量子电路，与以 VQE 为代表的传统演化算法相比，CX 门的数量最多减少 $12 imes$，深度最多减少 $18.6 imes$，在存在噪声的情况下，表现出显著的噪声抵抗特性。该文同时还介绍了 EVQE 在 5 量子位计算机上的实验结果，证明了 EVQE 在当前和近未来的量子计算机上进行通用优化的有效性。
variational quantum algorithmsevolutionary variational quantum eigensolveransatzeshamiltonian simulationquantum circuits
发现论文，激发创造
  • 简化电路复杂度的变分量子本征求解器

    提出了一种名为 ClusterVQE 的新算法，该算法利用量子互信息来将初始量子位空间分割为子空间（量子集群），这些集群进一步分布在单独的（更浅的）量子电路中，并且通过新的 “dressed” 哈密顿量考虑了不同集群之间的纠缠，从而实现了电子结构计算中 VQE 量子电路复杂度的降低。

    Jun, 2021

  • VQE 方法：简要调查与最近进展

    本文回顾了构造有效星座的最新进展，分为两个类别 -- 化学启示和硬件效率 -- 这些方法产生的量子电路更容易在现代硬件上运行，并讨论了最初为 VQE 模拟制定的术语的不足以及在更复杂方法中如何解决它们和进一步改进的潜在方式。

    Mar, 2021

  • MoG-VQE: 多目标遗传变分量子本征求解器

    本文介绍了一种名为 MoG-VQE 的算法，该算法利用多目标帕累托优化，采用基因改进的策略，对电路拓扑进行优化，并采用协方差矩阵适应进化策略优化单量子比特旋转角度，目的是在低深度和高精度之间找到最优解。在多种分子的测试中，可以观察到与标准算法相比，两比特门数量减少近十倍。

    Jul, 2020

  • 变分去噪用于变分量子本征求解器

    该研究提出了一种基于参数化量子神经网络的无监督学习方法，名为变分降噪，用于改善含有噪声的 Variational Quantum Eigensolver（VQE）模型的输出结果，在 H2 和 LiH 分子哈密顿量的能量估计和保真度方面比噪声输入数据具有更高的准确性和有效性，并且可以将变分降噪集成到量子硬件中，提高了量子硬件的多样性和端到端的量子处理能力。

    Apr, 2023

  • 在 QUBO 实例上评估自适应变分量子算法

    近年来，变分量子算法（VQAs）作为在 NISQ 时代解决量子计算机上的优化问题的一种有前途的方法已经出现。然而，VQAs 的一个限制是它们对于特定问题或硬件配置可能不适合的固定结构电路。应对这个问题的一种主要策略是自适应 VQAs，通过添加和移除门来动态修改电路结构，并在训练过程中优化其参数。本文通过分析三种自适应 VQAs（进化变分量子特征求解器（EVQE），可变组态（VAns）和随机自适应 VQE（RA-VQE））来填补这一领域现有方法之间缺乏系统比较的空白。为了将这些算法与传统的 VQA 进行比较，我们还在分析中包括了量子近似优化算法（QAOA）。我们将这些算法应用于 QUBO 问题，并通过检查找到的解的质量和所需的计算时间来研究它们的性能。此外，我们还调查了超参数选择如何影响算法的整体性能，强调了选择适当的超参数调整方法的重要性。我们的分析为面向近期量子设备设计的自适应 VQAs 设定了基准，并为指导未来的研究提供了宝贵的见解。

    Aug, 2023

  • 加速变分量子本征求解器

    我们提出了一种广义的 VQE 算法，可以根据自由参数 α 在 O (1/ε^α) 的电路深度下利用量子相干性减少样本数到 O (1/ε^2 (1-α))，同时提供了一种新的有限量子资源下的期望值估计程序。

    Feb, 2018

  • 自适应变分量子本征求解器基准测试

    本文研究了采用变分量子本征求解器（VQE）和自适应导数拼装伪 Trotter（ADAPT）方法来计算 H2，NaH 和 KH 等几种双原子分子的电子基态和势能曲线，发现优化方法对计算的影响，而 ADAPT-VQE 方法对优化方法的特殊性更具鲁棒性，此外还发现梯度优化方法相较于无梯度优化方法更加经济和卓越。

    Nov, 2020

  • 可变量量态本征求解器

    本文介绍了一种名为变分量子态本征求解器 (VQSE) 的算法，用于在量子计算机上有效地计算出密度算子最大本征值及其对应的本征态。该算法利用了对角化和主支配之间的联系来定义代价函数，需单次迭代仅 单次复制密度算子，可以实现。作者还演示了两个该算法的用例：主成分分析和误差缓解。

    Apr, 2020

  • qubit-ADAPT-VQE：一种构建硬件高效的量子处理器上用的 ansatze 的自适应算法

    使用 qubit-ADAPT 算法，在量子仿真中使用变分量子本征求解器，通过确保包含构建完整量子态所需的算子的算子池，大大减少电路深度，进而实现在远期设备上实用的实验结果。

    Nov, 2019

  • 通过神经网络进行零噪声外推以增强量子变分算法

    利用神经网络进行零噪音外推，以改善量子计算中噪音对算法准确性和可靠性的限制，展示了使用这种方法在噪音环境下进行量子计算的效果，为在嘈杂的设备上提高 Variational Quantum Eigensolver 计算的准确性铺平了道路。

    Mar, 2024