Apr, 2024

基于 Lie 代数对变分量子电路进行高效梯度估计

PDF
TL;DR该研究探讨了混合量子 - 经典优化和学习策略，并提出了一种利用哈密顿在李代数或群论中的代数对称性进行梯度估计的框架，以及使用经典影子重建方法进一步减少测量次数的方法。
hybrid quantum-classical optimizationparameterized circuitsgradient estimationlie algebrashadow tomography
发现论文，激发创造
  • 在量子硬件上计算解析梯度

    本文介绍了一种利用同一或几乎相同的架构的方法来估计量子测量期望值的梯度，以优化杂化量子 - 经典算法的目标函数，尤其适用于量子化学、药物发现和机器学习等领域。

    Nov, 2018

  • 随机参数量子电路中通过相关性获得大梯度

    本文讨论使用空间或时间相关门层的电路模块可以避免梯度消失现象，以实现对大规模问题的高效优化，通过随机可分离电路和基于量子交替操作最优变体的 Grover 算法的例子进行了讨论，对成本函数变化的界限进行了计算，在量子非结构化搜索的最佳 Oracle 复杂度的情况下，成本函数变化的界限表明了梯度消失和有效性之间的过渡。

    May, 2020

  • 应用随机参数移位法计算一般量子演化分析梯度

    本文研究了如何直接从量子测量中估计要优化的函数的梯度，提出了一种基于 Pauli 旋转扩展的哈密顿量的梯度估计算法，可适用于带噪声量子门的多量子位参数量子演化。

    May, 2020

  • 浅层梯度测量可以提高变分混合量子 - 经典算法的收敛性

    本文介绍了一种基于低深度梯度测量和随机梯度下降的变分算法，可以在黑盒优化模型中显著更快地收敛于优解，而且在某些情况下，该算法使用梯度测量比基于估计目标函数本身的策略具有更快的收敛速度，这种算法可以在量子计算、优化和测量等领域发挥重要作用。

    Jan, 2019

  • 通过更快的量子梯度计算来优化量子优化算法

    该论文提出了一个基于梯度下降的优化算法框架，发展了一种计算多元实值函数梯度的量子算法，并提高了计算梯度的复杂性以适应光滑函数的重要类别，而且可以为量子最优化算法提供更快的计算梯度方法。

    Nov, 2017

  • 量子神经网络训练景观中的贫瘠高原

    本文研究了嘈杂中等规模量子设备的参数化量子电路的梯度估计和优化问题。作者指出，由于希尔伯特空间的指数维度和梯度估计复杂度，随机电路不适用于超过少量量子比特的混合量子 - 经典算法。

    Mar, 2018

  • 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

  • 变分量子机器学习中的对称性利用

    本研究探讨了如何利用问题的对称性构建量子学习模型，并提出了一种通过门对称化将标准门集转换为等变门集的方法，在具有对称性结构的变分问题中得到了应用。

    May, 2022

  • 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

  • 只需旋转：基于自旋网络的 SU（2）等变量子变分量子电路

    我们提出旋转网络的使用，它是一种在群变换下保持不变的有向张量网络，用于设计具有自旋旋转对称性的参数化等变量量子电路。我们证明了该构建与其他已知构建的数学等价性，并且在量子硬件上更直接实现。我们通过求解一维三角晶格和 Kagome 晶格上具有 SU (2) 对称性的海森堡模型的基态问题来测试我们构建的电路的有效性，并且结果表明我们的等变电路提升了量子变分算法的性能，暗示了对其他实际问题的更广泛适用性。

    Sep, 2023