Jun, 2024

量子架构搜索：综述

PDF
TL;DR量子计算在近年来取得了显著进展，不仅吸引了研究实验室的极大兴趣，也在各个行业引起了广泛关注。这篇论文提供了量子架构搜索 (QAS) 的概览，通过检验相关的研究成果，讨论在设计和执行自动搜索最佳参数化量子电路时面临的主要挑战，以及解决这些挑战的方法，以便促进未来的研究。
quantum computingquantum architecture searchparameterized quantum circuitsmachine learningoptimization-driven techniques
发现论文，激发创造
  • 可微量子架构搜索

    本文提出了一种不同 iable 的量子体系结构搜索框架，可自动化设计量子电路，并演示了该框架的优越性和潜力。

    Oct, 2020

  • 变分量子算法的量子电路架构搜索

    通过量子架构搜索来最大程度地提高 VQAs 的鲁棒性和可培训性，以在嘈杂的中间规模量子设备上实现数据分类和量子化学任务的优化。

    Oct, 2020

  • 基于神经预测器的量子架构搜索

    This paper explores quantum architecture search for parameterized quantum circuits in the context of Variational Quantum Algorithms and demonstrates that using a neural predictor as the evaluation policy can improve results while using fewer circuit evaluations.

    Mar, 2021

  • 量子比特逐比特的可变量量子电路架构搜索方法

    在本文中，我们提出了一种新颖的量子位架构搜索（QWAS）方法，通过将搜索空间划分为好的和坏的子区域，逐步搜索每个阶段的单量子位配置，并结合蒙特卡洛树搜索算法，在某些真实任务（如 MNIST，Fashion 和 MOSI）中平衡电路性能和大小的探索和开发，达到了准确率和电路大小方面的最新结果。

    Mar, 2024

  • 硬件错误下的量子架构搜索的课程增强学习

    该研究以引入一种基于课程的强化学习量子架构搜索算法（CRLQAS）为主要方法，旨在解决在真实的 VQA 部署中所面临的挑战。该算法通过使用三维架构编码和环境动力学的限制来高效地探索可能电路的搜索空间，引入一种剧集终止方案以寻找更短的电路，并应用一种新颖的同时扰动随机逼近作为更快收敛的优化器，从而在噪声和非噪声环境中提高了在多个度量标准下的性能。

    Feb, 2024

  • 量子强化学习的可微分量子架构搜索

    基于梯度的量子架构搜索在 NISQ 时代提供了自动设计量子电路的框架，通过解决误差缓解、量子电路的灵活性、电路设计成本、BP 问题以及权重周期性等问题，该研究展示了梯度量子架构搜索在解决量子深度强化学习任务中的能力。

    Sep, 2023

  • 基于强化学习的变分量子算法的量子架构搜索

    使用强化学习自动化搜索最佳结构以提高变分量子算法在噪声干扰下的性能。

    Feb, 2024

  • QArchSearch：一套可扩展的量子架构搜索工具

    基于 QTensor 库的 AI 量子架构搜索包 QArchSearch 能够高效扩展到大型量子电路，并在不同的量子应用中探索更复杂的模型。通过在 CPU 和 GPU 上采用两级并行化方案，在 Polaris 超级计算机上实现了大规模和高效的搜索。

    Oct, 2023

  • 无监督表示学习的量子架构搜索

    本研究提出了一种无监督表示学习的 QAS 框架，并展示了无监督架构表示学习如何促进类似连接和操作的量子电路架构形成聚类。我们的框架能够高效地在有限的搜索次数内获得性能良好的候选电路，而无需大量标记的量子电路。

    Jan, 2024

  • 变分量子算法

    该文综述了 VQAs 领域，讨论了克服困难的策略，并突出了使用 VQAs 获得量子优势的激动人心前景。

    Dec, 2020