Feb, 2024

AltGraph: 用生成图模型重新设计量子电路，以实现高效优化

PDF
TL;DR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。
quantum circuit transformationrule-based approachsearch-based approachgenerative graph modelsaltgraph
发现论文，激发创造
  • KetGPT -- 基于 Transformer 的量子电路数据增强

    利用 Transformer 机器学习架构生成更真实的量子线路数据集，通过 KetGPT 工具生成以人类编写的基于算法的代码结构为基础的 OpenQASM 语言的合成线路，可用于评估量子系统的性能，并为 AI 驱动的量子编译器和系统做出重要贡献。

    Feb, 2024

  • QuEst: 量子电路可靠性估计的图形变换器

    使用 TorchQuantum Python 库中的图形变换模型，利用机器学习方法预测噪声对电路保真度的影响，可以在估计精度和速度方面胜过传统的电路模拟器。

    Oct, 2022

  • 基于量子电路度量和贝叶斯优化的量子神经架构搜索

    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

  • 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

  • 等变量子图电路

    本研究研究了量子电路的图表示学习，并提出了等变量量子图电路 (EQGC)，作为一种参数化的量子电路，具有强的关系归纳偏差，用于在图结构数据上学习。我们在表达能力方面证明了 EQGC 的子类是边界域上函数的通用逼近器。EQGC 的表达能力的实证验证得到了证实，同时还观察到 EQGC 的性能随着模型的深度呈良好的比例增加，且不会受到平台荒问题的影响。

    Dec, 2021

  • 量子体系结构的电路转换

    本文提出了一种基于路由替换框架的量子计算机电路变换方法，用于解决电路与体系结构之间的差异，通过采用不同的启发式置换子例程来提高性能，实现了在网格和模块化体系结构上进行大型量子电路比较的策略。

    Feb, 2019

  • 变分量子电路增强生成对抗网络

    提出了一种用于改进生成对抗网络（GAN）的混合量子 - 经典架构（QC-GAN），通过与传统神经网络和量子变分电路的结合，实现了比经典 GAN 更好的性能，在迭代次数和训练参数方面也更加高效。该研究同时展示了将量子计算与机器学习相结合在量子 - 人工智能领域和人工智能 - 量子领域的价值。

    Feb, 2024

  • 机器学习优化量子电路合成

    本文提出了一种名为 QSeed 的基于机器学习的种子综合算法，通过学习量子数据集，能够快速地提出实现单位矩阵的资源有效电路，并在 64 个量子位 Shor 因子分解算法的核心组件中，将合成时间加速了 3.7 倍。

    Jun, 2023

  • 量子电路玻恩机的可微学习

    通过量子电路出生机器实现深度量子电路的生成建模，并提出了一种基于梯度的学习算法来最小化核化的最大均值偏差损失函数，该算法可以在近期的量子设备上运行并在生成建模方面显现出量子优势。

    Apr, 2018

  • AutoQML：使用遗传算法在灰度图像上自动生成和训练鲁棒的量子启发式分类器

    本研究提出了一个新的混合系统，通过使用多目标遗传算法，自动生成和训练基于量子启发式分类器来处理灰度图像。通过定义动态适应性函数来确保所提出的技术具有通用性和鲁棒性，我们能够在视觉数据集上获得最小电路和最高精度，同时在量子电路和图像降维方法之间进行比较。

    Aug, 2022