关键词quantum architecture search
搜索结果 - 10
- KANQAS: 量子体系结构搜索的 Kolmogorov Arnold 网络
评估 KAN 在量子架构搜索问题中的实用性和效率,发现其在干扰场景中比多层感知器(MLPs)更有效地生成多量子位最大纠缠态并较好地逼近最大纠缠态,但需要更多的执行时间。
- 量子架构搜索:综述
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 - 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 - 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。
- ICLR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 - 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。
- 量子计算中强化学习的挑战
该研究论文介绍了量子计算在当前 NISQ 时代的限制,并提出了通过混合量子机器学习来改善量子计算架构的方法,重点是利用强化学习来优化当前的量子计算方法,并介绍了由量子架构搜索和量子电路优化引起的各种挑战,以及提出的用于学习控制一组万能量子门 - 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 - 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。
- 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。