- 量子效率高的变分量子算法用于图像分割
量子计算可以应用于图像分割的无监督学习任务，本文提出了两种优化算法（Parametric Gate Encoding 和 Adaptive Cost Encoding）来寻找最佳分割掩膜，并且分析了这些方法与量子近似优化算法的可伸缩性，为量 - 基于多能级量子位的贫瘠高地
通过细致的分析，本研究揭示了多维量子比特的维度与贫瘠平台之间的直接关联，并通过数值结果展示了多维量子比特对贫瘠平台的影响，同时对基于多维量子比特的 VQA 的误差缓解技术的功效提出了进一步的审视。
- 基于哈密顿量的量子强化学习用于神经计算组合优化
基于 Hamiltonian 的量子强化学习（QRL）是将量子计算与神经组合优化相结合的一种方法，通过对组合优化问题的 Hamiltonian 公式建模，拥有较好的训练性能，适用于广泛的问题类别，并与 QAOA 进行了比较。
- Guided-SPSA: 运用参数偏移规则辅助的同时扰动随机近似优化
我们引入了一种新的梯度估计方法，称为 Guided-SPSA，它有意地结合了参数漂移规则和基于 SPSA 的梯度近似，能够在训练过程中减少所需的电路评估数量 15% 到 25％，并取得与参数漂移规则相比类似或更好的优化结果。Guided-S - 旋转不变的变分量子电路图像分类
引入了一种等变结构的变分量子分类器，用于具有 $C_4$ 旋转标签对称性的图像分类，实验证明了等变的方法能够提升模型性能，最后还提出了一种经典等变卷积操作用于处理更大的图像。
- 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 - 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 - Qadence：数字模拟程序的可微分接口
数字 - 模拟量量子计算（DAQC）是一种将数字单量子比特门与作用于相互作用量子比特寄存器的全局模拟量操作相结合的通用量子计算的替代范式。本文介绍了 Pasqal 开发的用于构建复杂的数字 - 模拟量子程序的高级编程接口 Qadence，通 - 基于变分量子算法的一种新框架：图像分类的革命性突破
使用变分量子算法构建的图像分类框架在消除全局汇聚操作的需求的基础上，通过有效地捕捉图像中更有区分度的特征和细节，提高了分类性能，并且相比于经典框架具有更少的参数，更有效地防止过拟合。
- 简化测量改进变分量子算法
该研究综述了基本量子电路中的简单规则，并提出了一种简化方法，称为测量简化，它简化了量子电路测量的表达式。通过测量简化，我们简化了变分量子算法的特定结果表达式，并在计算时间和所需内存大小方面取得了大幅改进。在本研究中，我们将测量简化应用于变分 - 通过随机电路最大化量子计算表达能力
在嘈杂的中间尺度量子时代，基于变分量子算法（VQA）以提供量子优势而出现为一条有希望的途径。在本研究中，我们提出并数值上证明了一种新颖的 VQA 方法，利用随机量子电路生成变分波函数，并通过人工神经网络对这些随机电路的分布函数进行参数化优化 - 光子学中的实验性量子自然梯度优化
利用全程可编程的光子芯片首次在光子学中实验估计量子自然梯度（QNG），获得了 He-H$^+$ 阳离子的解离曲线并实现了化学精度，验证了 QNG 优化在光子学设备上的超越性，为利用 QNG 在光子学中实现实用的短期量子应用打开了新的视野。
- 关于图像中 $p4m$ 对称性的近似等变量量子神经网络
这项研究提出了与平面 $p4m$ 对称性相等的量子卷积神经网络（EquivQCNNs），用于图像分类，并在不同的用例中进行测试，证明了等变性促进了模型更好的泛化能力。
- 在 QUBO 实例上评估自适应变分量子算法
近年来，变分量子算法（VQAs）作为在 NISQ 时代解决量子计算机上的优化问题的一种有前途的方法已经出现。然而，VQAs 的一个限制是它们对于特定问题或硬件配置可能不适合的固定结构电路。应对这个问题的一种主要策略是自适应 VQAs，通过添 - WEPRO: 高效量子经典算法优化的权重预测
WEPRO 加速了量子神经网络的收敛速度，提供了更高的准确性和更低的损失，并且比传统优化技术提高了 3.1 倍的速度和使用了 3.3 倍少的重复电路执行次数。
- 用于组合优化的变分量子特征值求解器的梯度计算的噪声张量环逼近
这项工作通过提出一种经典梯度计算方法，利用参数偏移规则并使用张量环逼近计算电路的期望值，解决了 VQE 在可扩展性方面的挑战。
- 具有编码数据结构的变分量子回归算法
我们构建了一个量子回归算法并确定了变分参数与学习回归系数之间的直接关系，利用直接将数据编码到反映经典数据表结构的量子振幅的电路。该算法适用于连接良好的量子比特，具有对数级时间复杂度优势，并提供了与传统一热编码技术相比所需的物理比特数量显著减 - 使用增强学习技术增强量子变分状态对角化
本文利用强化学习实现了浅层量子电路设计，使用了一种新的编码方法来优化电路深度，其生成的电路比标准的量子状态对角化算法更浅，可用于有限的硬件资源。
- MM使用单光子量子行走进行强化学习和决策制定
本文研究将参数化的量子电路代替经典神经网络，应用于量子机器学习中的可变分子量子算法，并提出使用可调谐马赫 - 泽德干涉仪晶格的单光子量子行走来量子化项目模拟模型，并展示这种模型在强化学习任务上的表现优于其经典对应物，最后探讨了量子干涉在训练