Nov, 2023

RobustState: 基于噪声感知的变分训练提升量子态制备品质

PDF
TL;DRRobustState 是一种结合高鲁棒性和高训练效率的新型 VQSP 训练方法，通过利用真实量子机器的测量结果在经典模拟器上进行反向传播，从而将真实量子噪声纳入梯度计算，可用于从头训练参数或微调现有参数以提高目标机器上的保真度。在 10 台真实量子机器上对 4 个不同量子算法的状态准备任务进行了全面评估，结果显示 RobustState 对于 4-Q 和 5-Q 状态实现了高达 7.1 倍的相干误差减少和 96% 和 81% 的状态保真度改进。与基准方法相比，RobustState 平均提高了 4-Q 和 5-Q 状态的保真度分别达到 50% 和 72%。
发现论文，激发创造
  • 具噪声鲁棒性的变分混合量子 - 经典优化

    采用参数量子电路迭代地获得变分态，考虑噪音和量子测量结果的随机性，使用与变分态相关的量子费舍尔信息界限定结果精度，并通过实验展示该算法在不同噪声强度下的鲁棒性。

    Dec, 2019

  • 用于变分量子本征求解器算法的高效对称性保持状态准备电路

    本研究介绍了一种基于对称性的有效量子态制备电路方案，可以在量子计算中高效地实现化学模拟，并在 $H_2$ 和 $LiH$ 的量子模拟中表现出更高的准确性和电路深度。

    Apr, 2019

  • 实用量子变分算法

    本研究提出了一种基于绝热态制备的量子态简便构建方案，并在 Hubbard 模型和小分子上进行了测试，比之前基于耦合集群的方案更快收敛

    Jul, 2015

  • 量子变分和量子启发式聚类

    本研究提出了一种基于变分量子电路的量子算法，用于对数据进行聚类；该算法可以将数据分类为多个聚类，并且可以在少量量子比特的嘈杂中间量子计算设备上轻松实现。

    Jun, 2022

  • 神经网络混合态重建的经验样本复杂度

    这项研究检查了不同的量子状态重构技术的性能，并证明了可以通过应用方差减少技术来系统地减少算法的量子资源需求。作者比较了两种主要的神经量子态编码方法，即神经密度算符和正算子值测量表示，并阐述了它们在混杂度不同的情况下表现出不同的性能。

    Jul, 2023

  • QuantumNAS: 能适应噪声的鲁棒量子电路搜索

    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

  • 基于强化学习的变分量子算法的量子架构搜索

    使用强化学习自动化搜索最佳结构以提高变分量子算法在噪声干扰下的性能。

    Feb, 2024

  • 量子幅值估计的高效态准备

    本研究提出了一种简化状态准备的方法以及电路优化技术，可以显著减少 QAE 状态准备的电路复杂度，并演示了在实际量子硬件上进行数字积分示例以及基于随机波动率过程的 Heston 模型的期权定价问题的技术应用。

    May, 2020

  • 使用更少量的量子比特进行变分量子本征求解器

    通过渐进增加量子比特的数目，同时采用张量网络表示方式和对实际系统对称性的保留，我们提出了一种方法来研究近期噪声中等规模量子计算机上的量子多体系统的基态性质，并在实用场景中展示了其可行性。

    Feb, 2019

  • 混合量子 - 经典算法的实用优化

    本文介绍了基于变分方法的新型混合量子 - 经典算法类别，重点是探究了优化方法和精度水平对变分算法的性能影响，最后提出了用拟牛顿优化方法执行量子逼近优化算法的结果。

    Jan, 2017