混合量子 - 经典算法与量子误差纠正

Nov, 2020

混合量子 - 经典算法与量子误差纠正

Hybrid quantum-classical algorithms and quantum error mitigation

Suguru Endo, Zhenyu Cai, Simon C. Benjamin, Xiao Yuan

TL;DR本文回顾了混合量子 - 经典算法和量子误差缓解技术的基本结果，提出了评估使用嘈杂中尺度量子（NISQ）设备的有用性的方法。

Abstract

Quantum computers can exploit a Hilbert space whose dimension increases exponentially with the number of qubits. In experiment, quantum supremacy has recently been achieved by the Google team by using a noisy intermediate-scale quantum (NISQ) device with over 50 qubits. However, the question of what can be implemented on NISQ devices is still not fully explo

quantum computing quantum error mitigation hybrid quantum-classical algorithms noisy intermediate-scale quantum devices exponential dimension

发现论文，激发创造

噪声中等规模量子算法

该研究总结了嘈杂中间规模量子计算的范例和算法，探讨了其限制与优势，并提供了各种编程和测试工具的全面概述。

Jan, 2021

NISQ 时代及其之后的量子计算

NISQ 技术将为探索量子物理学提供有用的工具，而 100 量子位计算机只是通向未来更强大的量子技术的重要一步。

Jan, 2018

近期量子计算技术：Variational Quantum Algorithms、误差缓解、电路编译、基准测试和经典模拟

这篇论文介绍了近期量子计算技术的各种方法，包括变分量子算法、误差缓解、量子电路编译和基准测试协议等，并指出了它们的应用前景和提高量子设备性能的潜力。

Nov, 2022

探索用于计算机视觉的量子增强机器学习：对噪声中尺度量子设备的应用和见解

该研究探索了量子计算和机器学习的交叉领域，着重评估数据重新上传方案和补丁生成对抗网络模型等混合量子 - 经典算法在小规模量子设备上的有效性，并通过实际实现和测试揭示了这些算法与经典对应算法相当或更好的性能，突显了在机器学习任务中利用量子算法的潜力。

Apr, 2024

基于虚拟量子处理器的均匀量子计算模型

提出了使用一种虚拟量子处理器，来模拟使用杂交量子计算机的运算，从而实现逻辑量子计算，这种方式可以替代未来的量子处理器。

Feb, 2023

量子机器学习：从 NISQ 到容错

量子机器学习的综述，包括在量子设备上运行机器学习算法的各种概念，介绍了在 Noisy Intermediate-Scale Quantum (NISQ) 技术中使用的技术和与容错量子计算硬件兼容的算法方法，同时涵盖了量子机器学习的基本概念、算法和与其相关的统计学习理论。

Jan, 2024

针对 NISQ 时代量子计算机的可变性感知策略案例

本文研究了量子计算中的 Qubit-Allocation 和 Qubit-Movement 问题，并提出了一种考虑量子比特误差率变化的方法以优化比特分配和移动的策略，提高 NISQ 系统可靠性，实验结果表明，我们的方法可以将系统的可靠性提高 2.5 倍。

May, 2018

实用量子误差缓解的机器学习

今天的量子计算机是否能通过传统方法的量子错误纠正来解决量子计算机的潜在困难是一个挑战，但机器学习为量子错误纠正提供了潜在解决方案，通过模拟和实验，机器学习在 100 量子位的量子计算机上得到了许多正面结果，并且展现了在各种量子电路和设备噪声情况下的潜力。

Sep, 2023

混合经典量子计算：我们是否忽略了二项式中的经典部分？

量子计算与混合化方案在现实应用中面临的困难和挑战的分类及研究问题探讨。

Aug, 2023

小型量子计算机与大型经典数据集

本研究介绍一种混合经典 - 量子算法来解决大规模经典数据集和量子计算机只能对模型空间进行叠加访问的问题。该算法使用数据减少技术构建称为 coreset 的加权子集，通过量子计算机执行 Grover 搜索或拒绝取样，从而在最大似然估计，贝叶斯推断和鞍点优化方面实现了量子加速。具体的应用包括 k-means 聚类，逻辑回归，零和博弈和提升。

Mar, 2020