Jul, 2023

利用单个电路计算量子神经网络对所有参数的梯度

PDF
TL;DR本文提出了一种仅需一个量子电路就能计算量子神经网络梯度的方法，该方法减少了电路深度和经典寄存器数量，同时解决了解决原方法中参数数量较多时所面临的电路调整和重复运行的问题，并在实验中展示了快速编译的优势和缩短总运行时间的速度提升。
quantum neural networkparameter-shift rulegradient computationcircuit optimizationspeedup
发现论文，激发创造
  • 在量子硬件上计算解析梯度

    本文介绍了一种利用同一或几乎相同的架构的方法来估计量子测量期望值的梯度，以优化杂化量子 - 经典算法的目标函数，尤其适用于量子化学、药物发现和机器学习等领域。

    Nov, 2018

  • 量子梯度的普适参数漂移规则

    本文研究了变分量子算法中常用的参数化量子门结构，并基于此导出了新的通用单参数门参数移动规则，并通过与随机参数移位法的组合将这些规则扩展到多参数量子门。作者进行了量子资源需求的系统分析，并且表明高阶导数可以减少资源消耗。作者还使用量子近似优化算法的示例表明了通用参数移位规则在计算许多门输入参数的导数时可以显着减少电路评估次数；此外，我们还通过该方法重建并拓展了 Rotosolve 优化器以及扩展了量子解析下降优化算法。

    Jul, 2021

  • 宽量子神经网络动力学分析理论

    研究了一类可变量量子机器学习模型的梯度下降动力学特性，预测和表征了残余训练误差随系统参数的指数衰减规律，并通过数值实验验证了结果。

    Mar, 2022

  • 量子经典混合算法的顺序最小化优化

    本文提出了一种适用于量子经典混合算法的顺序最小优化方法，解决了参数量子电路上的优化问题，比现有的基于梯度和无梯度优化算法更快更稳健，可用于优化近期量子设备的性能。

    Mar, 2019

  • 应用随机参数移位法计算一般量子演化分析梯度

    本文研究了如何直接从量子测量中估计要优化的函数的梯度，提出了一种基于 Pauli 旋转扩展的哈密顿量的梯度估计算法，可适用于带噪声量子门的多量子位参数量子演化。

    May, 2020

  • 利用参数偏移规则和门分解求取参数化量子门的梯度

    本文介绍了参数移位规则 (Parameter-Shift Rule) 在量子电路中的应用，通过将量子门分解为标准门的乘积，每个标准门又都是参数移位规则可微分的，扩展了参数化量子门的测量梯度范围。

    May, 2019

  • 参数化量子电路结构优化

    我们提出了一种有效的方法，同时优化量子电路的结构和参数值，具有较小的计算开销，适用于噪声中等规模的量子计算机。我们在模拟中优化了变分量子本征求解器，以找到氢化锂和海森堡模型的基态，并在 IBM Melbourne 量子计算机上找到氢气的基态。

    May, 2019

  • 基于电路的量子分类器

    本文提出了一种用于监督学习的低深度可变量量子算法，其使用参数化单个和双量子位门的量子电路以及单量子位测量来编码输入特征向量并进行分类，从而实现了可学习参数数量与输入维度的多项式对数关系。通过模拟，该电路为标准经典基准数据集提供了很好的分类性能，而且需要的参数数量极少。

    Apr, 2018

  • 大型量子电路连续参数的自动优化

    研究开发了自动优化量子电路的方法，能够处理连续的门参数，并报告了一组快速算法，能够优化大规模量子电路，从而实现超越经典计算机的量子计算。

    Oct, 2017

  • 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