Jan, 2024

量子学习在 Rydberg 原子阵列上的数字 - 模拟实现

PDF
TL;DR我们提出了在 Rydberg 原子阵列上的混合数字 - 模拟学习算法，将量子学习的潜在实用性和近期可实现性与中性原子的快速扩展架构相结合。我们的结果表明，数字 - 模拟学习不仅在近期可行，而且需要更短的电路深度，并且对于现实错误模型更具鲁棒性，这为改进近期的变分量子学习实验开辟了有希望的道路。
发现论文，激发创造
  • 量子电路学习

    本研究提出了一种基于经典 - 量子混合算法的量子机器学习算法，将低深度的量子电路与经典计算机混合使用，实现了优化参数的迭代优化，从而实现了学习任务的同时避免高深度量子电路，并通过理论分析和数字模拟确认了量子电路可以逼近非线性函数，为实现近期量子设备开展量子机器学习应用奠定了基础。

    Mar, 2018

  • 混合量子计算机的量子电路训练

    这篇论文研究了使用基于数据的方法在陷阱离子量子计算机上训练量子电路，以实现一种高维普适量子电路的学习，为混合学习方案提供了进一步的发展和挑战。

    Dec, 2018

  • 量子退火：数字化、控制和混合量子变分方案之旅

    本文研究和探讨了量子模拟（QA）和量子近似优化算法（QAOA）之间的联系，介绍了一种用于证明过往性能的技术，并展示了一种优化的 digitized-QA 协议。

    Jun, 2019

  • 学习优化变分量子电路来解决组合问题

    本文提出了两种基于机器学习的方法，采用强化学习 (RL) 框架和核密度估计 (KDE) 技术，分别用于优化 QAOA 电路，从小规模问题实例中学习，然后在较大的问题实例中使用，结果表明与其他现成的优化器相比，这两种方法可以将优化度缺口减少多达 30.15 个因子。

    Nov, 2019

  • 用生成建模方法来评估和训练浅层量子电路

    本研究提出了一种基于量子电路学习的算法，可以利用本地门和量子位连接等量子硬件能力来协助量子设备的表征，并训练浅层电路进行生成式任务。此方法可以学习绿伯格 - 霍恩 - 泽林格（Greenberger-Horne-Zeilinger）状态的最佳制备方法，也可以有效地制备连续热态的近似表示，其波函数在其幅度中编码玻尔兹曼概率。最后，研究提供了一种新的硬件无关指标，称为 qBAS 得分，可用于衡量近期量子设备的性能。

    Jan, 2018

  • 可编程超导量子比特的实验性量子对抗学习

    本文报道了第一个用可编程超导量子位的量子对抗学习实验，结果表明量子学习系统在对抗场景下存在一定的易受攻击性，并证明了对抗训练过程可以显著增强其抵御干扰性攻击的鲁棒性。

    Apr, 2022

  • 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

  • 混合量子计算机上的无监督机器学习

    利用量子计算机和贝叶斯优化方法加速解决无监督学习中的聚类问题，并展示出在噪声环境下稳健的表现和经典优化方法的适用性。

    Dec, 2017

  • 利用 Rydberg 原子阵列的量子优化求解最大独立集问题

    利用光镊困禁中的中性原子阵列，通过量子优化来求解最大独立集问题，其中利用了与利用 Rydberg 原子态的相互作用来编码解决独立集问题的方法，并研究了在实验系统中测试计算难度实例的参数范围和具体实现量子退火和变分量子优化算法的方法。

    Aug, 2018

  • 适用于 Kagome 晶格上的 Rydberg 原子阵列的循环神经网络波函数

    利用二维循环神经网络（RNN）波函数对 kagome 晶格上的 Rydberg 原子阵列的基态进行研究，结果表明我们的 RNN 基态没有展现出异乎寻常的自旋液体或新兴玻璃行为。

    May, 2024