Feb, 2024

AlphaTensor 与量子电路优化

PDF
TL;DR量子电路中 T 门计数的最小化是实现容错量子计算的关键挑战之一，本文提出了一种基于深度强化学习的方法 AlphaTensor-Quantum，利用张量分解与 T 门优化之间的关系，通过引入量子计算的领域专业知识和利用 gadgets，显著降低了优化电路的 T 门计数，从而在算术基准测试中超越了现有的 T 门计数优化方法，同时还发现了一种类似于 Karatsuba 算法的高效乘法算法，并成功优化了 Shor 算法中的相关算术计算和量子化学模拟，实现了在完全自动化的方式下，优化相关量子电路，节省了数百小时的研究时间。
fault-tolerant quantum computerst-count optimizationalphatensor-quantumtensor decompositionquantum circuits
发现论文，激发创造
  • 深度强化学习的量子电路优化

    本研究使用基于强化学习的方法对量子电路进行优化，通过深度卷积神经网络，实现了对于特定架构的任意量子电路的自主学习及优化。对 12 比特电路进行实验得出优化效果，平均深度降低 27％，门数降低 15％，并探讨了方法在近期量子设备上的可行性。

    Mar, 2021

  • 量子计算与张量网络的评估

    提出了一种量子算法，可以逼近张量网络的值，在结合现有结果时，提供了一个完整的量子计算问题。该结果替代了量子计算中的幺正门，使用张量并根据其符合的顺序计算。利用这种方法，导出了逼近各种经典统计力学模型的配分函数的新型量子算法，包括 Potts 模型。

    May, 2008

  • 量子电路算法优化

    该论文介绍了为了更好地实现、测试和资源评估量子算法，使用量子电路来评估量子算法文献中经常遇到的函数，以及借鉴目前高性能计算领域的经验优化这些电路，并实现了一个量子软件堆栈模块来自动生成用于计算基础函数的电路，以更详尽的成本分析启发未来量子计算设备的具体应用和降低计算基础算术成本的未来研究。

    May, 2018

  • 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

  • 使用张量网络实现量子机器学习

    本文提出一种基于张量网络的量子计算方法，用于解决当前在量子计算中机器学习所面临的挑战。在此方法下，经典计算和量子计算可共享同样的理论和算法基础，且张量网络电路在量子计算机模型的训练中具有高效节省的优势，并通过对手写识别模型的数值实验验证了其可行性。

    Mar, 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

  • 数据常有短路径加载：金融、图像、流体和蛋白质的量子电路张量网络

    我们提出了一种基于张量网络理论的电路编译方法（AMLET），通过精确构建特定的张量网络拓扑，可解决将任意经典向量加载到量子计算机所需的指数级电路深度问题。并通过对金融、图像、流体力学和蛋白质等领域的实际经典数据进行数值实验，证明相比指数级扩展的通用加载算法，所需电路深度通常要低几个数量级，进而为在量子计算机上加速经典工作负载带来积极影响。

    Sep, 2023

  • 基于搬运的囚禁离子量子计算机量子电路编译器

    本研究提出了一个编译器，可以转化和优化量子电路，以针对基于离子阱量子处理器的特定量子计算机架构进行目标定向；研究表明，与标准的 Pytket 和标准的 Qiskit 编译相比，该编译器可以将门数降低至 3.6 倍，并与针对 AQT 线性静态阱离子寻址的 Pytket 扩展相比实现类似的门数。

    Jul, 2022

  • 量子一致神经 / 张量网络在强 / 弱纠缠态光子电路中的应用

    利用神经和张量网络近似精确、高效和量子一致地演化封闭纠缠系统的方法，可以解决传统计算方法在哈密顿空间增加时遇到的硬性限制，为众多量子计量问题提供了有趣的解决方案。

    Jun, 2024

  • 超级优化张量网络缩并

    本研究提出了一种新的随机协议，通过超优化方法，在任意大的张量网络中找到最优的收缩路径，这对于模拟量子多体系统以及量子芯片测试的速度提升具有重要的实际意义。

    Feb, 2020