关键词near-term quantum devices
搜索结果 - 5
- 经典和量子序列模型概述
我们通过对各种经典和量子神经网络顺序模型进行简要调查,重点关注近期提出的用于近期量子设备的量子方法,同时探索了这些量子模型的一些基本增强。我们通过将量子自注意力应用于文本和图像分类的量子混合变压器的图像分类方法对这些现有方法进行重新实现,还 - 深度强化学习的量子电路优化
本研究使用基于强化学习的方法对量子电路进行优化,通过深度卷积神经网络,实现了对于特定架构的任意量子电路的自主学习及优化。对 12 比特电路进行实验得出优化效果,平均深度降低 27%,门数降低 15%,并探讨了方法在近期量子设备上的可行性。
- 量子退火初始化量子近似优化算法
研究了 QAOA 在 MaxCut 问题上的优化问题,指出随机初始化容易陷入低级局部最小点,通过 Trotterized quantum annealing 协议实现参数初始化,并找到最佳的 Trotter 时间步长,这为在近期量子设备上实 - 量子经典混合算法的顺序最小化优化
本文提出了一种适用于量子经典混合算法的顺序最小优化方法,解决了参数量子电路上的优化问题,比现有的基于梯度和无梯度优化算法更快更稳健,可用于优化近期量子设备的性能。
- 量子电路学习
本研究提出了一种基于经典 - 量子混合算法的量子机器学习算法,将低深度的量子电路与经典计算机混合使用,实现了优化参数的迭代优化,从而实现了学习任务的同时避免高深度量子电路,并通过理论分析和数字模拟确认了量子电路可以逼近非线性函数,为实现近期