QArchSearch:一套可扩展的量子架构搜索工具
量子计算在近年来取得了显著进展,不仅吸引了研究实验室的极大兴趣,也在各个行业引起了广泛关注。这篇论文提供了量子架构搜索 (QAS) 的概览,通过检验相关的研究成果,讨论在设计和执行自动搜索最佳参数化量子电路时面临的主要挑战,以及解决这些挑战的方法,以便促进未来的研究。
Jun, 2024
在本文中,我们提出了一种新颖的量子位架构搜索(QWAS)方法,通过将搜索空间划分为好的和坏的子区域,逐步搜索每个阶段的单量子位配置,并结合蒙特卡洛树搜索算法,在某些真实任务(如 MNIST,Fashion 和 MOSI)中平衡电路性能和大小的探索和开发,达到了准确率和电路大小方面的最新结果。
Mar, 2024
通过设计用于贝叶斯优化的量子电路度量,我们提供了一种新的量子门距离,该距离表征了每个量子态下门的作用,并从理论上研究了其几何特性,从而显著提高了三个经验量子机器学习问题(包括训练量子生成敌对网络、解决 MaxCut 问题中的组合优化和模拟量子傅里叶变换) 的基准性能,同时我们的方法可以推广到各种量子机器学习模型上。
Jun, 2022
This paper explores quantum architecture search for parameterized quantum circuits in the context of Variational Quantum Algorithms and demonstrates that using a neural predictor as the evaluation policy can improve results while using fewer circuit evaluations.
Mar, 2021
基于梯度的量子架构搜索在 NISQ 时代提供了自动设计量子电路的框架,通过解决误差缓解、量子电路的灵活性、电路设计成本、BP 问题以及权重周期性等问题,该研究展示了梯度量子架构搜索在解决量子深度强化学习任务中的能力。
Sep, 2023
本研究提出了一种无监督表示学习的 QAS 框架,并展示了无监督架构表示学习如何促进类似连接和操作的量子电路架构形成聚类。我们的框架能够高效地在有限的搜索次数内获得性能良好的候选电路,而无需大量标记的量子电路。
Jan, 2024