量子随机存取存储器对一般噪声的韧性
本文研究了量子存储器的稳健性及其在量子搜索中的应用,发现一个逼真的错误模型需要经受超多项式查询错误率的超多项式下降。因此,本文推测对于任何实际错误模型,其错误率都必须超过多项式,特别是对于超多项式查询的算法,需要超多项式降低错误率,进一步说明量子纠错的必要性。
Feb, 2015
分析传统分叉结构和 “桶式队列” 两种随机存取器(RAM)架构,并提出了一些原型实现,显示出在每个 qRAM 调用期间只需要进行 O(n)个二量子比特物理互动,从而减少所需资源,可以构建大型 qRAMs,无需广泛的量子纠错。
Jul, 2008
量子设备、量子随机访问存储、相对论、量子计算应用和量子存储设计是本研究的关键词。强调了基本的量子物理约束对数据科学中量子计算应用的长期性能产生的影响,并提出了潜在的量子存储设计以提升性能。
Jul, 2023
本文介绍了一种使用 n 个量子位对 N 个内存单元进行随机访问的量子随机访问内存(qRAM)体系结构,其中只需 O(log N)个切换开关即可进行内存调用,因此可以大大减少量子门之间的量子纠缠和降低量子访问所需的功率。
Aug, 2007
本研究实现了一个由 105 个量子位组成的,由 210 个存储单元组成的随机访问量子存储器,并以可编程的顺序进行读取和写入控制,其应用于量子通信,网络和计算中具有重要意义。
Apr, 2019
该研究以引入一种基于课程的强化学习量子架构搜索算法(CRLQAS)为主要方法,旨在解决在真实的 VQA 部署中所面临的挑战。该算法通过使用三维架构编码和环境动力学的限制来高效地探索可能电路的搜索空间,引入一种剧集终止方案以寻找更短的电路,并应用一种新颖的同时扰动随机逼近作为更快收敛的优化器,从而在噪声和非噪声环境中提高了在多个度量标准下的性能。
Feb, 2024
通过优化动力学解耦脉冲序列的应用,我们在模型量子系统上进行了实验测量,证明了我们能够显著抑制量子位的错误率。我们通过实时反馈找到新的序列,并将这些序列与已有的序列进行比较,证明了这些本地优化的脉冲序列在测试中表现优于其他所有序列。
Dec, 2008
本文研究变分混合量子 - 经典算法(VHQCAs)在量子编译中的应用,报告了这些算法的一种意想不到的噪声韧性,发现一定程度的噪声不会影响最优的变分参数,提高了 VHQCAs 在嘈杂中等规模的量子设备上的实用性,也预示着这种噪声韧性可能适用于其他 VHQCAs。
Aug, 2019
提出了 QuantumNAS,这是一个噪声自适应联合搜索变分电路和量子比特映射的全面框架,使用多层预定义参数化门构建 SuperCircuit,并通过迭代参数子集的采样和更新进行训练,最终通过演化联合搜索刻画了 SubCircuit 的性能和其量子比特映射,最后通过迭代门修剪和微调去除冗余门,相较于基线方案,在 12 个用例上显著提高了性能,并达到了 QML 的精度水平。
Jul, 2021
本文提出了一种新颖的、可扩展的误差缓解方法,旨在实现在存在硬件噪声的情况下准确估计量子观测值,该方法基于 Clifford 门,通过产生训练数据和使用线性 ansatz,使得可以预测任意电路的无噪声的观测值,运行在 16 个 qubit 的 IBMQ 量子计算机和 64 个 qubit 的噪声模拟器上,使用该方法可以将能量估计误差降至数量级。
May, 2020