Mar, 2024

参数化量子串行和用于反向未知量子比特 - 酉操作的简化电路

PDF
TL;DR该研究论文介绍了 PQComb，这是一个利用参数化量子电路探索量子梳在量子信息处理中的潜力的框架。通过优化 PQComb 以进行未知量子基本演化的时间逆向模拟，我们提出了一种较简化的未知量子比特基本反转方案，将辅助比特开销从 6 个减少到 3 个，与 [Yoshida，Soeda，Murao，PRL 131, 120602, 2023] 中的现有方法相比。这展示了量子梳结构的实用性，并展示了 PQComb 在解决复杂量子任务方面的潜力。研究结果为在量子计算和量子信息领域中更广泛地应用 PQComb 铺平了道路，并强调了 PQComb 在处理量子机器学习中不同问题时的多功能性。
发现论文，激发创造
  • 参数化量子电路的表现力

    证明了结构简单的 PQCs 在生成任务中具有比任何经典神经网络更好的表达能力，PQCs 在贝叶斯学习和半监督学习中的应用前景广阔。

    Oct, 2018

  • 混合量子 - 经典算法中参数化量子电路的表达能力和纠缠能力

    该研究提出了几种描述符，包括表达能力和纠缠能力的度量，可从参数量子电路的经典模拟中进行统计估计，以表征和识别可表达但紧凑的参数化电路。研究还探讨了电路深度、量子位连接方式以及门的选择组合等因素，以评估各种电路结构的性能。结果表明，环形或全连接排列的二比特门的性能明显优于直线排列的二比特门，X - 旋转门的序列比 Z - 旋转门的序列的可表达性和纠缠能力得到了提高。此外，研究还发现了参数化量子电路模板的饱和现象。该研究可用于算法开发和实验设计。

    May, 2019

  • 子通用可变电路在组合优化问题中的应用

    用两位随机矩阵构建的一类新型的经典概率电路，通过数值研究在解决各种增长规模的图上的最大割问题方面，提出的变分电路比量子近似优化算法表现出更好的性能。

    Aug, 2023

  • 参数化量子电路中基于扩散的量子噪声抑制

    该研究论文探讨了参数化量子电路（PQCs）与量子噪声的关系，并提出了一种基于扩散的学习方法，以减小 PQCs 中的量子噪声并降低特定任务的误差。通过实验证明了该学习策略的高效性，并在量子噪声情景中在分类任务上取得了最先进的性能。

    Jun, 2024

  • 量子辅助的量子编译

    提出了一种基于变分混合量子 - 经典算法的量子编译方法 (QAQC)，使用可训练的可逆门 $V$ 和目标可逆门 $U$ 的重叠作为编译代价，通过量子计算进行评估，其编译成果可以用于量子算法深度压缩、黑盒编译、噪音缓解和基准测验。

    Jul, 2018

  • 通用盲量子计算

    提出了一种交互协议，使客户端的输入、输出和计算完全保密，并且不需要任何量子计算能力或记忆，可用于经典或量子输入 / 输出；引入身份验证协议，使其可以检测到干扰服务器。此外，作者进一步将其推广到全经典客户端，以在不泄露私密信息的情况下完成盲量子计算。

    Jul, 2008

  • 参数化量子电路在函数近似中的可证好处

    理解参数化量子电路在机器学习任务中的能力是量子机器学习中最重要的问题之一。本文通过函数逼近的角度分析了参数化量子电路的表达能力，并展示了在逼近连续和平滑函数方面数据重新上传参数化量子电路的明确构造，以及其在宽度、深度和可训练参数数量方面的定量逼近误差界限。此外，我们还将提出的参数化量子电路与近乎最优的深度神经网络进行了比较，在逼近高维平滑函数方面，表明参数化量子电路和深度神经网络之间的模型尺寸比在输入维度方面呈指数级减小，这为展示量子机器学习的量子优势提供了潜在的新途径。

    Oct, 2023

  • 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

  • 利用稀疏嘈杂的交错量子计算实现量子霸权

    该文主要研究 IQP 电路的量子计算和经典模拟问题，探究在有误差和噪声存在时的处理方法和纠错技术。

    Oct, 2016

  • 量子近似优化算法

    介绍了一种量子算法，通过使用正整数 p 来提高近似解的质量，将其应用于组合优化问题的求解上，并分析了在正则图上，固定的 p 值下算法的性能表现。

    Nov, 2014