ICMLDec, 2021

等变量子图电路

PDF
TL;DR本研究研究了量子电路的图表示学习，并提出了等变量量子图电路 (EQGC)，作为一种参数化的量子电路，具有强的关系归纳偏差，用于在图结构数据上学习。我们在表达能力方面证明了 EQGC 的子类是边界域上函数的通用逼近器。EQGC 的表达能力的实证验证得到了证实，同时还观察到 EQGC 的性能随着模型的深度呈良好的比例增加，且不会受到平台荒问题的影响。
quantum circuitsgraph representation learningequivariant quantum graph circuitsgraph machine learning methodsexpressive power
发现论文，激发创造
  • 量子图卷积神经网络

    本文提出基于量子参数电路的新型量子图卷积神经网络（QGCN）模型，利用量子系统的计算能力实现传统机器学习中的图分类任务，并在图数据集上呈现了良好的性能。

    Jul, 2021

  • 参数化量子电路的表现力

    证明了结构简单的 PQCs 在生成任务中具有比任何经典神经网络更好的表达能力，PQCs 在贝叶斯学习和半监督学习中的应用前景广阔。

    Oct, 2018

  • BQP^A 协议与潜在图分类器的几何量子机器学习

    几何量子机器学习 (GQML) 通过嵌入问题的对称性来学习高效的解决协议。我们考虑了学习布尔函数属性的 Simon 问题，并将其与无监督电路分类问题相关联。通过几何 QML 的工作流程，我们从头学习了 Simon 算法，从而发现了一个关于某个数据集（oracle A）的 BQP^A≠BPP 协议的例子。我们的关键发现包括基于比特翻转和置换对称性魔术态的嵌入布尔函数的等变特征映射以及基于不变观测量的具有取样优势的测量。所提出的工作流程指出了数据嵌入和经典后处理的重要性，同时将变分电路作为一个平凡的恒等算符。我们将实例可视化为有向计算超图，观察到 GQML 协议可以访问它们的全局拓扑特征，以区分双射函数和满射函数。最后，我们讨论了学习其他 BQP^A 类型协议的前景，并推测这取决于将以单位算子的线性组合应用为嵌入的能力。

    Feb, 2024

  • 不变量和等变量的经典与量子图神经网络比较

    机器学习算法、图神经网络、量子计算、等变图神经网络和二元分类任务是本文的关键词和研究主题。

    Nov, 2023

  • 基于图神经网络的参数化量子电路表达能力估计

    该研究介绍了一种使用图神经网络（GNNs）对参数化量子电路（PQCs）的可表达性进行估计的新方法，并通过实验证明了其预测能力和性能。

    May, 2024

  • 数据嵌入在等变量量子卷积神经网络中的作用

    对使用数据集的对称性来约束神经网络的参数空间以提高其可训练性和泛化能力的几何深度学习方法在量子机器学习领域得到了应用，其中包括了等变量量子神经网络 (EQNNs)。本研究探讨了经典到量子嵌入对等变量量子卷积神经网络（EQCNNs）图像分类性能的影响，分析了数据嵌入方法与对称群表示的关联，以及不同表示对 EQCNN 表达能力的影响。我们数值比较了基于三种不同基佯波函数嵌入的 EQCNN 与非等变量量子卷积神经网络（QCNN）的分类准确性。结果显示，在训练迭代次数较少时，所有的 EQCNN 都比非等变量 QCNN 具有更高的分类准确性，而在迭代次数较多时，这种改进明显依赖于所使用的嵌入方法。预计本研究的结果对于几何量子机器学习中数据嵌入选择的重要性有着更好的了解，对学术界具有实用意义。

    Dec, 2023

  • AltGraph: 用生成图模型重新设计量子电路，以实现高效优化

    本研究提出了一种名为 AltGraph 的搜索型电路转换方法，使用现有的生成图模型生成等效的量子电路。使用三个主要的图模型：DAG Variational Autoencoder (D-VAE)、Gated Recurrent Unit (GRU) 和 Graph Convolutional Network (GCN)，以及 Deep Generative Model for Graphs (DeepGMG)。AltGraph 比原始转换电路平均减少 37.55% 的门数量和 37.75% 的电路深度，且平均密度矩阵均方误差 (MSE) 仅为 0.0074。

    Feb, 2024

  • 用量子完全图神经网络进行喷注判别

    这篇论文介绍了一种新的变分量子电路模型 —— 量子完全图神经网络（QCGNN），用于学习完全图，并通过与经典图神经网络的比较分析建立了一个基准。

    Mar, 2024

  • 旋转不变的变分量子电路图像分类

    引入了一种等变结构的变分量子分类器，用于具有 $C_4$ 旋转标签对称性的图像分类，实验证明了等变的方法能够提升模型性能，最后还提出了一种经典等变卷积操作用于处理更大的图像。

    Mar, 2024

  • 参数化量子电路作为机器学习模型

    该综述论文介绍了混合量子 - 经典系统的模型和组件，并讨论了它们在监督式学习、生成建模等数据驱动任务中的应用，预示着这个迅速发展的领域将有广泛的现实应用。

    Jun, 2019