KANQAS: 量子体系结构搜索的 Kolmogorov Arnold 网络
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
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
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
Kolmogorov-Arnold Networks (KANs) are proposed as alternatives to Multi-Layer Perceptrons (MLPs), outperforming them in terms of accuracy and interpretability, while possessing faster neural scaling laws; KANs have potential to improve current deep learning models.
Apr, 2024
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。
Jun, 2024
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