quantum hardware | BriefGPT

关键词quantum hardware

搜索结果 - 11

量子电路综合和编译优化：概述与前景
本文论述了量子计算作为克服后摩尔时代计算能力瓶颈的一种有前途的范式，特别是超导量子处理器的日益成熟，为量子算法的发展和实施提供了更多的可能性。此外，研究还表明相关算法的规模和精确度正在稳步提高，尤其是与人工智能方法的整合。本文系统地回顾和总
PDF4 days ago
量子 GAN 的守护者
训练和推断量子机器学习模型的需求不断增长，为此我们提出了一种水印技术，利用在 qGAN 的训练阶段嵌入的噪声特征作为一种非侵入式的水印，用来追踪训练所使用过的具体量子硬件，从而提供强有力的所有权证明，并开发了一个机器学习分类器来提取这个水印
PDF2 months ago
DGR: 通过解码图重加权处理量子纠错中的漂移噪声和相关噪声
提出了一种无量子开销的解码图形边缘重新加权策略 DGR，通过统计解码匹配过程中的边缘出现次数和边缘之间的相关性，对 MWPM 权重进行更新，从而在真实的量子硬件上降低逻辑错误率。
PDF7 months ago
使用量子焙烧二元梯度的预测随机梯度下降
我们提出了一种新颖的适用于量子硬件上训练二进制神经网络（BNNs）的逐层随机优化器 QP-SBGD。通过在实践中解决二进制神经网络优化器的挑战，我们展示了该更新规则的收敛性，并介绍了在量子计算中如何有效执行映射和投影操作。此外，该方法逐层实
PDF8 months ago
qgym：用于训练和基准测试基于强化学习的量子编译的健身房
编写特定量子硬件的量子电路是具有挑战性的任务，并且当前的量子计算机存在严重的硬件限制。为了充分利用有限的资源，应该优化编译过程。为了改进当前的方法，可以使用强化学习（RL），这是一种让代理与环境交互以学习复杂策略以达到特定目标的技术。在这项
PDFa year ago
现代近期量子设备上的量子机器学习：针对真实世界应用的有监督和无监督技术的现状
本综述调查了在量子硬件上实现的监督学习和无监督学习应用，并探讨了其局限性及如何克服这些局限性。在此基础上，评估了这些 QML 实现与它们的经典对应物的性能表现，并讨论了应用 QML 在实际量子设备上存在的瓶颈和潜在解决方案。
PDFa year ago
变分去噪用于变分量子本征求解器
该研究提出了一种基于参数化量子神经网络的无监督学习方法，名为变分降噪，用于改善含有噪声的 Variational Quantum Eigensolver（VQE）模型的输出结果，在 H2 和 LiH 分子哈密顿量的能量估计和保真度方面比噪声
PDFa year ago
采用非绝热量子退火实现量子增强的前景
本文研究了量子退火算法在组合优化和相关抽样任务中相对于经典最新方法实现量子加速的前景，并且基于对既有文献中引入的多种启发式量子优化算法的改进相干时间以及控制能力的持续探索和兴趣，提出了包括连续时间哈密顿计算算法、反向退火和连续时间量子行走在
PDF4 years ago
量子 Wasserstein 生成对抗网络
提出了第一个设计的量子 Wasserstein 生成对抗网络（WGANs），它已被证明在嘈杂的量子硬件上提高了量子生成模型的鲁棒性和可扩展性，即使是在经典模拟量子系统上也表现出了更为稳健和可扩展的数值性能，实现了一个近似于需要超过 10k
PDF5 years ago
使用 CVaR 改进变分量子优化
研究混合量子 / 经典变分算法，使用条件风险价值作为聚合函数改善在所有组合优化问题的表现。
PDF5 years ago
利用变分自动编码器学习困难量子分布
研究如何应用机器学习技术中的一种生成模型 —— 变分自编码器来高效表示和编码一类难以对其进行采样的量子状态，该方法可以有效地对量子硬件中预期的大规模量子态进行描述和初步表征。
PDF7 years ago