- 我的量子计算机有什么用处?物理感知神经网络的量子能力学习
用新的有关量子物理的神经网络架构学习能力模型,实现了在实验数据和模拟数据上均比基于卷积神经网络的最新模型取得了约 50%的平均绝对误差的减少。
- 量子计算机上的图神经网络
本研究提出了在量子计算机上实现图神经网络(GNNs)的框架,以应对处理大规模图时经典 GNNs 所面临的可扩展性挑战,通过制定与三种经典 GNNs 对应的量子算法:图卷积网络(Graph Convolutional Networks)、图注 - 基于机器学习的误差缓解方法用于 IBM 的量子计算机上的可靠软件开发
该研究论文提出了一种名为 Q-LEAR 的实用机器学习方法,通过一种新颖的特征集来减轻量子软件输出中的噪声错误,并与现有的基准 ML 方法进行比较,结果表明,与基准相比,Q-LEAR 在真实量子计算机和模拟器上的误差缓解平均提高了 25%。
- 持久图的量子距离近似
本文研究了拓扑数据分析方法在分类和聚类任务中的应用,特别是通过使用持续图可以总结有关可能复杂和高维数据集形状的重要信息。我们探索了量子计算机用于估计持续图之间距离的潜力,提出了用于 Wasserstein 距离和 $d^{c}_{p}$ 距 - 后量子密码神经网络
该研究提出了一种基于 PQC 的神经网络,通过非线性激活函数、密文的随机扰动和均匀分布来增强密文的安全性,并以蜂窝网络信号为案例研究,证明了该方法可以实现加密和解密。未来,该基于 PQC 的神经网络可以应用于各种应用领域。
- 量子点器件自动化的数据需求和挑战:研讨会报告
自动化调谐方法对于解决当前的挑战是至关重要的,其中关键的问题包括数据集、基准测试和标准化。我们介绍了量子点设备调谐和操作的自动化挑战,并概述了量子点社区提出的应对方法。
- 隐秘:在不可信任的量子计算机上保护隐私执行 QAOA
我们提出了 Enigma,这是一套专门为量子近似优化算法(QAOA)设计的隐私保护方案,通过转变 QAOA 的输入问题使得输出电路和结果对服务器来说是无法理解的。我们介绍了 Enigma 的三个变体,通过在不同层面上进行隐私保护来获得原问题 - 量子排列块模型
使用置换矩阵,我们描述了量子块模型用于数据分析任务,并展示了在量子计算机上可以以 O (log (N)) 的时间找到或更新适应度值。在量子电路上,不同序列的置换可以并行应用,因此在这个模型中的机器学习任务可以在量子计算机上更高效地实现。
- 实用量子误差缓解的机器学习
今天的量子计算机是否能通过传统方法的量子错误纠正来解决量子计算机的潜在困难是一个挑战,但机器学习为量子错误纠正提供了潜在解决方案,通过模拟和实验,机器学习在 100 量子位的量子计算机上得到了许多正面结果,并且展现了在各种量子电路和设备噪声 - SLIQ:噪声量子计算机上的量子图像相似网络
探索量子机器学习在最近几年内迅速增长,这是由于量子计算机能够加速经典程序。为了解决无监督相似性检测任务在量子计算机上的移植问题,我们提出了 SLIQ,这是第一个开源的资源高效量子相似性检测网络,使用实用和有效的量子学习和减少方差的算法构建。
- QUILT: 在量子计算机上利用多种不同的量子分类器集成进行有效的多类别分类
量子计算机可以在理论上显著加速经典计算机;但是,由于量子比特数量有限且容易出错,近期的量子计算机时代受到限制。 Quilt 是一个针对当前容易出错的量子计算机设计的执行多类分类任务的框架。使用真实的量子机器和预期的噪音水平对 Quilt 进 - 时变量子噪声的自适应缓解
提出基于贝叶斯推断的自适应算法来学习和减轻量子噪声以应对不断变化的信道条件,强调动态推断关键信道参数以提高编程准确性,并展示了贝叶斯概率误差消除在噪声变化时的优越性,结果显示贝叶斯概率误差消除在理想分布的 Hellinger 距离度量下胜过 - 基于 NISQ 硬件的混合量子迁移学习与裂纹图像分类
应用量子迁移学习检测灰度图像中的裂纹,比较了 PennyLane 的标准量子位和 IBM 的 qasm_simulator 以及真实后端的性能和训练时间,提供了他们的执行效率的见解。
- 基于虚拟量子处理器的均匀量子计算模型
提出了使用一种虚拟量子处理器,来模拟使用杂交量子计算机的运算,从而实现逻辑量子计算,这种方式可以替代未来的量子处理器。
- QSAN: 一种近期可实现的量子自注意力网络
本文提出了用近期的量子设备实现可行的量子自注意(QSAN)网络,并研究了其线性和可逆的量子自我注意机制,包括量子逻辑相似性,量子比特自我注意得分矩阵等,该方法能够解决自我注意机制由于二次复杂度导致的存储问题,并能够充分部署在量子计算机上,在 - 演化策略:在混合量子 - 经典神经网络中的应用
本 paper 研究了在量子机器学习中一种名为 Evolution Strategies 的黑盒优化算法,其对 QNNs 进行训练是一种可行的替代方法,但同时也存在梯度消失的问题,其表现强烈依赖于超参数的选择。
- 实现距离为三的表面码重复量子纠错
本文研究使用 17 个物理量子位于一个超导电路中,使量子信息编码在距离为 3 的逻辑量子位上。通过量子纠错重复实验,作者在消除纠缠、控制精度受限等因素干扰时,测量和解码比特和相位翻转错误综合使用最小权完美匹配算法并进行后处理修正,以实现高性 - 用于组合优化的变分量子算法过滤
本篇论文介绍了一种基于 F-VQE 算法和因果锥的方法,可在量子计算机上更高效地解决组合优化问题,实验结果表明该方法比原始的 VQE 算法和量子近似优化算法(QAOA)更加优秀。
- 使用比特翻转平均值对量子比特读取误差进行缓解
提出了一种更有效地减轻量子硬件上比特读取误差的方法,并展示了在读出 n 个比特时,仅需进行原来方法 2 的 n 次方的校准测量,即可建立一般错误模型。
- 量子核函数的归纳偏差
通过分析量子核心函数类的光谱特性,我们发现如果其再现核希尔伯特空间具有低维度且包含传统计算难度的函数,则存在量子优势;然而,合适的量子核心函数不易找到,而该偏置相对于经典模型在量子机器学习模型速度提升方面是必须的。