Jun, 2024

物理引导的贝叶斯优化变分量子电路

PDF
TL;DR提出了一种利用贝叶斯优化来优化变分量子本征解算器（VQE）的新方法，包括推导出一个 VQE-kernel 来匹配 VQE 的目标函数的已知函数形式，通过减少后验不确定性来显著优化系统，以及提出了一种名为 EMICoRe 的新的贝叶斯优化获取函数，能够通过将低预测不确定性的区域间接视为 “已观察到” 的方式来主动利用 VQE-kernel 的归纳偏好，实验证明该方法相比于现有的基线方法具有改进效果。
发现论文，激发创造
  • 变分量子特征求解器 (VQEC)：通过 VQE 求解约束优化问题

    基于 VQEC 算法模型，采用量子变分法和经典算法结合的方式进行带约束的优化，通过量子模拟器进行数值测试验证和参数优化，展示了其在近似解决复杂优化问题方面的优势。

    Nov, 2023

  • 简化电路复杂度的变分量子本征求解器

    提出了一种名为 ClusterVQE 的新算法，该算法利用量子互信息来将初始量子位空间分割为子空间（量子集群），这些集群进一步分布在单独的（更浅的）量子电路中，并且通过新的 “dressed” 哈密顿量考虑了不同集群之间的纠缠，从而实现了电子结构计算中 VQE 量子电路复杂度的降低。

    Jun, 2021

  • 强化学习用于变分量子电路架构优化

    本论文提出了一种基于强化学习的算法，能够自主探索合适的变分预测模型，同时最小化电路的深度并增加结果的精度，在锂氢分子比较经典的量子计算基准问题上取得了化学精度和最先进的电路深度优化结果。

    Mar, 2021

  • MoG-VQE: 多目标遗传变分量子本征求解器

    本文介绍了一种名为 MoG-VQE 的算法，该算法利用多目标帕累托优化，采用基因改进的策略，对电路拓扑进行优化，并采用协方差矩阵适应进化策略优化单量子比特旋转角度，目的是在低深度和高精度之间找到最优解。在多种分子的测试中，可以观察到与标准算法相比，两比特门数量减少近十倍。

    Jul, 2020

  • 加速变分量子本征求解器

    我们提出了一种广义的 VQE 算法，可以根据自由参数 α 在 O (1/ε^α) 的电路深度下利用量子相干性减少样本数到 O (1/ε^2 (1-α))，同时提供了一种新的有限量子资源下的期望值估计程序。

    Feb, 2018

  • 面向任何领域、抗干扰、硬件高效的进化变分量子特征求解器

    本文介绍了一种新颖的变分算法 —— 进化变分量子本征求解器 (EVQE)，该算法使用进化编程技术来最小化给定哈密尔顿量的期望值，通过动态生成和优化量子电路 (ansatz) 来实现。EVQE 单元优化域内的问题，使用硬件高效电路 (ansatz) 进行准确的能量评估。EVQE 通过虚拟化生成的量子电路，与以 VQE 为代表的传统演化算法相比，CX 门的数量最多减少 $12 imes$，深度最多减少 $18.6 imes$，在存在噪声的情况下，表现出显著的噪声抵抗特性。该文同时还介绍了 EVQE 在 5 量子位计算机上的实验结果，证明了 EVQE 在当前和近未来的量子计算机上进行通用优化的有效性。

    Oct, 2019

  • 用于组合优化的变分量子算法过滤

    本篇论文介绍了一种基于 F-VQE 算法和因果锥的方法，可在量子计算机上更高效地解决组合优化问题，实验结果表明该方法比原始的 VQE 算法和量子近似优化算法（QAOA）更加优秀。

    Jun, 2021

  • VQE 方法：简要调查与最近进展

    本文回顾了构造有效星座的最新进展，分为两个类别 -- 化学启示和硬件效率 -- 这些方法产生的量子电路更容易在现代硬件上运行，并讨论了最初为 VQE 模拟制定的术语的不足以及在更复杂方法中如何解决它们和进一步改进的潜在方式。

    Mar, 2021

  • 在哈密顿变分假设中探索纠缠和优化

    通过对哈密顿变分试探算法的研究，发现它在结构上表现良好，具有较弱或完全不存在的荒漠高原特征和较小的状态空间，因此容易优化。同时也观察到了随着电路层数的增加而出现的从困难局面到优化的转变，以及在 XXZ 模型和横场伊辛模型中实现超参数化的阈值大约按多项式尺度而非指数尺度增长。最后，演示了 HVA 的能力和有效性，将其用于求解具有长程相互作用和幂律纠缠缩放的 Haldane-Shastry 哈密顿量的基态近似。

    Aug, 2020

  • 强化学习中变分量子电路的优化技术研究

    量子计算通过减少可训练参数来提高机器学习效果，并且通过使用变分量子电路 (VQCs) 融合经典优化技术，研究人员致力于在噪声中等规模量子时代 (NISQ) 中，应用 VQCs 到强化学习中以减少参数并提高超参数稳定性及整体性能。

    May, 2024