关键词noisy intermediate-scale quantum devices
搜索结果 - 8
- 全面的变分 LSE 求解器库
通过使用噪声中尺度量子设备，变分求解器可以加速大规模线性方程组的求解，本研究提出了可实现现有方法的变分 - 线性系统方程求解器框架，并引入了几个增强措施，其用户友好的界面适用于研究人员在识别和开发端到端应用程序的抽象层面工作。
- 使用高级变分量子攻击破解密码协议
改进的变分量子攻击算法 (VQAA) 提供了针对众所周知的加密算法的强大的量子攻击方法，效率更高，所需量子位数明显较少。我们对对称密钥协议（如 S-DES，S-AES 和 Blowfish）的攻击进行了模拟，结果表明我们的攻击允许一个小型 - 针对 ReLU 网络鲁棒性的量子计算高效 MILP 分解
本文研究了利用分解方法解决 Mixed-Integer Linear Programming 问题的量子计算技术，其中，Dantzig-Wolfe 分解方法比 Benders 分解方法要更实际可行，并在 ReLU 网络的鲁棒性认证中取得了节 - 在 IBM 量子计算机和金刚石 NV 上进行实验性量子模式识别
通过使用 IBM 量子计算机中的 swap test 协议，我们研究了量子模式识别的可能性，并发现 destructive swap test 协议可能是用于处理高维图像的一个更好的选择，最后我们提出了一个新的类似于监督式学习的量子联想记忆 - 混合量子 - 经典算法与量子误差纠正
本文回顾了混合量子 - 经典算法和量子误差缓解技术的基本结果，提出了评估使用嘈杂中尺度量子（NISQ）设备的有用性的方法。
- 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。
- 量子神经网络的逐层学习
本文研究了参数化量子电路的逐层学习策略，并表明此策略相对于标准学习方案更适用于执行于噪声中等量子设备上，可以在手写数字图像分类任务中实现更低的泛化误差，在比同等大小的量子电路训练更少的参数的情况下，达到更低的测试误差。
- NISQ 时代量子态的机器学习
论文综述了机器学习中生成建模技术在恢复实际、嘈杂和多量子比特量子态方面的发展，尤其是限制玻尔兹曼机器的理论，并演示了它在状态重建中的实际应用，从经典热力学分布的伊辛自旋开始，逐步移动到越来越复杂的纯态和混合量子态，通过对实验噪音中间规模量子