关键词variational quantum algorithms
搜索结果 - 34
- 参数并行分布式变分量子算法
通过提出参数并行分布式变分量子算法(PPD-VQA)和可替代的训练策略,以及梯度压缩技术来缓解由于噪声差异导致的加速度衰减和潜在通信瓶颈的影响,这项研究证明 PPD-VQA 可以为多个量子处理器协调处理大规模实际应用提供实用的解决方案。
- 利用经典深度神经网络克服荒原高原问题
本文提出了一种使用经典神经网络来生成量子电路参数的方法,以缓解 Barren Plateaus 现象,该方法不仅能够在初始阶段减轻 Barren Plateaus 的影响,还能够在 VQA 训练期间减轻该影响,并展示了该方法在不同 CNN - 超越贫瘠高原:量子变分算法被陷阱所淹没
通过研究局部极小值和 Barren 高原现象,证明在全局最小能量附近未知最优参数的情况下,一类浅而无 barren 高原的变分量子模型具有很少的局部极小值,以至于在没有好的初值参数的情况下无法进行训练。此外,通过统计查询框架研究变分量子算法 - 量子梯度的普适参数漂移规则
本文研究了变分量子算法中常用的参数化量子门结构,并基于此导出了新的通用单参数门参数移动规则,并通过与随机参数移位法的组合将这些规则扩展到多参数量子门。作者进行了量子资源需求的系统分析,并且表明高阶导数可以减少资源消耗。作者还使用量子近似优化 - Gym 中的量子代理:一种深度 Q-learning 的变分量子算法
本文介绍了一种用于解决离散和连续状态空间的 RL 任务的训练方法,该方法基于深度 Q-learning 算法。研究通过消融研究探究了量子 Q-learning 算法的体系结构选择对于成功解决某些环境的重要性,并提出了用于选择适当的观测量的方 - 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
该文综述了 VQAs 领域,讨论了克服困难的策略,并突出了使用 VQAs 获得量子优势的激动人心前景。
- 关于变分量子算法中贫瘠高原和成本函数局部性的研究
本文研究基于梯度优化的变分量子算法,分析了在表达能力足够强的参数化量子电路中,指数级消失的梯度现象 —— 荒原高原。提出了梯度的方差下界,主要取决于费用函数中每个项的纠缠锥体宽度,进一步阐明了荒原高原可能的条件。
- 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。
- 变分量子算法中的噪声诱导荒原
研究了噪声 Noisy Intermediate-Scale Quantum 计算机上的变分量子算法,证明了存在噪声引起的 “荒漠高原” 现象,表明这些噪声对算法的性能有严重的限制。
- 随机参数量子电路中通过相关性获得大梯度
本文讨论使用空间或时间相关门层的电路模块可以避免梯度消失现象,以实现对大规模问题的高效优化,通过随机可分离电路和基于量子交替操作最优变体的 Grover 算法的例子进行了讨论,对成本函数变化的界限进行了计算,在量子非结构化搜索的最佳 Ora - 浅层参数量子电路中与成本函数有关的不毛之地
本文研究了量子电路参数优化问题,通过对全局和局部可观测量定义了两种方法,证明了在一定条件下采用局部可观测量定义的方法能够获得更好的训练效果。
- 面向任何领域、抗干扰、硬件高效的进化变分量子特征求解器
本文介绍了一种新颖的变分算法 —— 进化变分量子本征求解器 (EVQE),该算法使用进化编程技术来最小化给定哈密尔顿量的期望值,通过动态生成和优化量子电路 (ansatz) 来实现。EVQE 单元优化域内的问题,使用硬件高效电路 (ansa - 利用庞加莱最小原理优化变分量子算法
本研究使用泊松特里亚金最小值原理来优化变分量子算法,证明对于特定计算时间,无论是闭合还是开放的有记忆效应的量子系统,最优演化均具有 “Bang-Bang”(矩形脉冲) 形式,并使用谢林顿 - 柯克帕特里克自旋玻璃作为实例,发现脉冲持续时间的