关键词variational quantum eigensolvers
搜索结果 - 7
- 物理引导的贝叶斯优化变分量子电路
提出了一种利用贝叶斯优化来优化变分量子本征解算器(VQE)的新方法,包括推导出一个 VQE-kernel 来匹配 VQE 的目标函数的已知函数形式,通过减少后验不确定性来显著优化系统,以及提出了一种名为 EMICoRe 的新的贝叶斯优化获取 - MM变分量子机器学习中的对称性利用
本研究探讨了如何利用问题的对称性构建量子学习模型,并提出了一种通过门对称化将标准门集转换为等变门集的方法,在具有对称性结构的变分问题中得到了应用。
- 强化学习用于变分量子电路架构优化
本论文提出了一种基于强化学习的算法,能够自主探索合适的变分预测模型,同时最小化电路的深度并增加结果的精度,在锂氢分子比较经典的量子计算基准问题上取得了化学精度和最先进的电路深度优化结果。
- 递归量子神经网络
通过构建一个由参数化的量子神经元组成的量子循环神经网络(QRNN),将量子计算与循环神经网络相结合,并通过序列学习和整数数字分类等任务进行了演示性能证明。
- TensorFlow Quantum:量子机器学习软件框架
TensorFlow Quantum 是一个开源库,支持快速原型设计经典或量子数据的混合量子 - 经典模型,并提供高级抽象来设计和训练区分性和生成性量子模型。该库的功能包括超导量子分类和控制,噪声型和最优化截断模拟以及类似神经网络的混合量子 - MM量子变分试探构建的图形化方法
本文提出了一种数码 VQE ansatz 的图解计划,不仅有大小可延展性而且无需 Trotterization 以克服常规的大小可延展性 ansatz 的限制,我们测试了这种方法在短自旋链中的表现。
- 解决参数化量子电路中贫瘠高原问题的初始化策略
文章提出了一种随机参数初始化生成浅层块的量子电路初始化策略,以应对梯度消失问题,实现了基于梯度的训练方法,解决了过去针对基本问题不能使用最紧凑的量子电路的问题。