Dec, 2020

用变分量子算法估算迹距离和保真度

PDF
TL;DR本文提出了用于测量量子数据的 “迹距离” 和 “量子保真度” 的混合量子经典算法，并介绍了变分迹距离估计（VTDE）算法和变分保真度估计（VFE）算法。这两个算法对于近期量子设备上的随机生成的混合状态表现出高精度。
quantum computingtrace distancequantum fidelityvariational algorithmhybrid quantum-classical algorithms
发现论文，激发创造
  • 变分量子保真度评估

    本文提出了一种基于截断保真度来计算量子状态保真度上下界的新方法，其可以用于低秩情况下的保真度估计，并证明了这是一个经典算法无法高效解决的问题，同时展示了该方法的应用能够检测到量子相变并且往往比以前已知的可计算边界更加紧密。

    Jun, 2019

  • 持久图的量子距离近似

    本文研究了拓扑数据分析方法在分类和聚类任务中的应用，特别是通过使用持续图可以总结有关可能复杂和高维数据集形状的重要信息。我们探索了量子计算机用于估计持续图之间距离的潜力，提出了用于 Wasserstein 距离和 $d^{c}_{p}$ 距离的变分量子算法。我们的实现是量子近似优化算法的加权版本，依赖于控制子句来编码优化问题的约束条件。

    Feb, 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

  • 鉴别性总变差距离估计：生成数据的保真度稽核器

    本文基于判别性方法提出了一种评估生成数据保真度的方法，利用总变差距离作为有效的度量。通过定量地表征两个分布分类的贝叶斯风险和它们的总变差距离的关系，实现了总变差距离的估计。特别地，本文建立了关于两个高斯分布总变差距离估计误差收敛速率的理论结果。通过选择特定的分类假设类，能够实现总变差距离的快速收敛速率。当两个高斯分布之间的分离度越大时，估计总变差距离的准确性越高，这一现象也通过广泛的模拟得到了实证验证。最后，我们将该判别性估计方法应用于使用 MNIST 数据集的合成图像数据的保真度排序。

    May, 2024

  • 变分量子态对角化

    本研究提出了一种基于变分混合量子 - 经典算法的量子状态对角化算法，该算法可以通过量子计算评估门序列的成本（比经典成本评估更快），并且经典计算机使用此信息来调整门序列的参数，主要适用于凝聚态物理和机器学习领域中的状态对角化问题，它可以通过最小化成本函数来返回一个近似对角化的门序列，从而获得量子态的最大特征值和相关的特征向量的近似值。

    Oct, 2018

  • 使用量子设备算法计算图编辑距离

    本文介绍了 QUBO 形式的 Graph Edit Distance (GED) 问题，它允许我们在量子芯片上实现两种不同的方法，即量子退火和变分量子算法，为机器学习和模式识别提供一种新颖的解决方案。

    Nov, 2021

  • 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

  • 迹距相关性的层级与动态

    通过跟踪距离，我们定义和分析了二部分状态相关性的度量。我们为两个量子位的贝尔对角状态提供了经典和总相关性的解析表达式。基于跟踪距离的相关性层次结构与基于相关熵和希尔伯特 - 施密特范数的层次结构不同。在动力学非马尔可夫模型下比较各种相关性措施。

    Jul, 2013

  • 最优低深度量子信号处理相位估计

    基于量子信号处理的相位估计算法能够克服时间相关性错误和量子衰减等挑战，实现超导二比特实验中对不需要的交换角度的估计精度达到前所未有的标准差精度（10^-4 radians），是现有方法进步了两个数量级。

    Jun, 2024

  • 线性代数的变分算法

    本文提出一种基于变分算法的线性代数任务解法，适用于嘈杂的中尺度量子设备，并可应用于稀疏矩阵、机器学习和优化问题。通过数值模拟和 IBM 量子云设备验证，算法成功解决了线性方程组问题，解决的精度高达 99.95%。

    Sep, 2019