Variationsquantenlinearlöser

Variationsquantenlinearlöser

Zeitstempel: 22. November 2023, 5:59 Uhr

Carlos Bravo-Prieto1,2,3, Ryan LaRose4, M.Cerezo1,5, Yigit Subasi6, Lukasz Cincio1, und Patrick J. Coles1

1Theoretische Abteilung, Los Alamos National Laboratory, Los Alamos, NM 87545, USA.
2Barcelona Supercomputing Center, Barcelona, ​​Spanien.
3Institut de Ciències del Cosmos, Universitat de Barcelona, ​​Barcelona, ​​Spanien.
4Abteilung für Computermathematik, Naturwissenschaften und Ingenieurwesen und Abteilung für Physik und Astronomie, Michigan State University, East Lansing, MI 48823, USA.
5Zentrum für nichtlineare Studien, Los Alamos National Laboratory, Los Alamos, NM, USA
6Abteilung für Computer, Computer- und Statistikwissenschaften, Los Alamos National Laboratory, Los Alamos, NM 87545, USA

Findest du dieses Paper interessant oder möchtest du darüber diskutieren? Scite oder hinterlasse einen Kommentar zu SciRate.

Abstrakt

Bisher vorgeschlagene Quantenalgorithmen zur Lösung linearer Gleichungssysteme sind aufgrund der erforderlichen Schaltungstiefe kurzfristig nicht umsetzbar. Hier schlagen wir einen hybriden quantenklassischen Algorithmus namens Variational Quantum Linear Solver (VQLS) zur Lösung linearer Systeme auf kurzfristigen Quantencomputern vor. VQLS versucht, $|xrangle$ variierend vorzubereiten, so dass $A|xranglepropto|brangle$. Wir leiten eine operativ sinnvolle Beendigungsbedingung für VQLS ab, die es ermöglicht, sicherzustellen, dass eine gewünschte Lösungsgenauigkeit $epsilon$ erreicht wird. Konkret beweisen wir, dass $C geqslant epsilon^2 / kappa^2$ ist, wobei $C$ die VQLS-Kostenfunktion und $kappa$ die Bedingungszahl von $A$ ist. Wir stellen effiziente Quantenschaltkreise zur Schätzung von $C$ vor und liefern gleichzeitig Beweise für die klassische Härte seiner Schätzung. Mithilfe des Quantencomputers von Rigetti implementieren wir erfolgreich VQLS bis zu einer Problemgröße von 1024 x 1024 $. Schließlich lösen wir numerisch nichttriviale Probleme mit einer Größe von bis zu $2^{50}mal2^{50}$. Für die spezifischen Beispiele, die wir betrachten, stellen wir heuristisch fest, dass die Zeitkomplexität von VQLS effizient in $epsilon$, $kappa$ und der Systemgröße $N$ skaliert.

Variationeller Quantenlinearlöser PlatoBlockchain Data Intelligence. Vertikale Suche. Ai.

Ausgewähltes Bild: Schematisches Diagramm für den Variational Quantum Linear Solver (VQLS)-Algorithmus. Die Eingabe in VQLS ist eine Matrix $A$, die als lineare Kombination von Unitariern $A_l$ geschrieben ist, und ein Quantenschaltkreis kurzer Tiefe $U$, der den Zustand $|brangle$ vorbereitet. Die Ausgabe von VQLS ist ein Quantenzustand $|xrangle$, der ungefähr proportional zur Lösung des linearen Systems $A vec{x} = vec{b}$ ist. Parameter $vec{alpha}$ im Ansatz $V(vec{alpha})$ werden in einer hybriden quantenklassischen Optimierungsschleife angepasst, bis die Kosten $C(vec{alpha})$ (lokal oder global) unter einem Benutzer liegen -angegebener Schwellenwert. Wenn diese Schleife endet, bereitet die resultierende Gattersequenz $V(vec{alpha}_text{opt})$ den Zustand $|xrangle = vec{x} / ||vec{x}||_2$ vor, aus dem beobachtbare Größen abgeleitet werden können berechnet werden. Darüber hinaus liefert der Endwert der Kosten $C(vec{alpha}_text{opt})$ eine Obergrenze für die Abweichung der auf $|xrangle$ gemessenen Observablen von den auf der exakten Lösung gemessenen Observablen.

► BibTeX-Daten

► Referenzen

[1] E. Alpaydin, Einführung in maschinelles Lernen, 4. Auflage. (The MIT Press, 2020).
https://​/​mitpress.mit.edu/​9780262043793/​introduction-to-machine-learning/​

[2] CM Bishop, Mustererkennung und maschinelles Lernen (Springer, 2006).
https://​/​link.springer.com/​book/​9780387310732

[3] LC Evans, Partielle Differentialgleichungen (American Mathematical Society, 2010).
https://​/​bookstore.ams.org/​gsm-19-r

[4] O. Bretscher, Lineare Algebra mit Anwendungen, 5. Aufl. (Pearson, 2013).
https://​/​www.pearson.de/​linear-algebra-with-applications-pearson-new-international-edition-pdf-ebook-9781292035345

[5] DA Spielman und N. Srivastava, „Graph Sparsification by Effective Resistances“, SIAM J. Comput. 40, 1913–1926 (2011).
https: / / doi.org/ 10.1137 / 080734029

[6] AW Harrow, A. Hassidim und S. Lloyd, „Quantenalgorithmus für lineare Gleichungssysteme“, Phys. Rev. Lett. 103, 150502 (2009).
https://doi.org/ 10.1103/PhysRevLett.103.150502

[7] A. Ambainis, „Variable Zeitamplitudenverstärkung und ein schnellerer Quantenalgorithmus zur Lösung linearer Gleichungssysteme“, arXiv:1010.4458 [quant-ph].
arXiv: 1010.4458

[8] Y. Subaşı, RD Somma und D. Orsucci, „Quantenalgorithmen für Systeme linearer Gleichungen, inspiriert durch adiabatisches Quantencomputing“, Phys. Rev. Lett. 122, 060504 (2019).
https://doi.org/ 10.1103/PhysRevLett.122.060504

[9] A. Childs, R. Kothari und R. Somma, „Quantenalgorithmus für Systeme linearer Gleichungen mit exponentiell verbesserter Abhängigkeit von der Präzision“, SIAM J. Computing 46, 1920–1950 (2017).
https: / / doi.org/ 10.1137 / 16M1087072

[10] S. Chakraborty, A. Gilyén und S. Jeffery, „The power of block-encoded matrix powers: Improved regression Techniques via rapider Hamiltonian simulation“, im 46. International Colloquium on Automata, Languages, and Programming (Schloss Dagstuhl-Leibniz-Zentrum). für Informatik, 2019) S. 33:1-33:14.
https: / / doi.org/ 10.4230 / LIPIcs.ICALP.2019.33

[11] L. Wossnig, Z. Zhao und A. Prakash, „Quantenlinearer Systemalgorithmus für dichte Matrizen“, Phys. Rev. Lett. 120, 050502 (2018).
https://doi.org/ 10.1103/PhysRevLett.120.050502

[12] J. Preskill, „Quantencomputing in der NISQ-Ära und darüber hinaus“, Quantum 2, 79 (2018).
https:/​/​doi.org/​10.22331/​q-2018-08-06-79

[13] Y. Zheng, C. Song, M.-C. Chen, B. Xia, W. Liu, et al., „Lösung linearer Gleichungssysteme mit einem supraleitenden Quantenprozessor“, Phys. Rev. Lett. 118, 210504 (2017).
https://doi.org/ 10.1103/PhysRevLett.118.210504

[14] Y. Lee, J. Joo und S. Lee, „Hybrider Quantenlineargleichungsalgorithmus und sein experimenteller Test zur IBM Quantenerfahrung“, Scientific Reports 9, 4778 (2019).
https:/​/​doi.org/​10.1038/​s41598-019-41324-9

[15] J. Pan, Y. Cao, X. Yao, Z. Li, C. Ju, et al., „Experimentelle Realisierung eines Quantenalgorithmus zur Lösung linearer Gleichungssysteme“, Phys. Rev. A 89, 022313 (2014).
https: / / doi.org/ 10.1103 / PhysRevA.89.022313

[16] X.-D. Cai, C. Weedbrook, Z.-E. Su, M.-C. Chen, Mile Gu, et al., „Experimentelles Quantencomputing zur Lösung linearer Gleichungssysteme“, Phys. Rev. Lett. 110, 230501 (2013).
https://doi.org/ 10.1103/PhysRevLett.110.230501

[17] S. Barz, I. Kassal, M. Ringbauer, YO Lipp, B. Dakić, et al., „Ein photonischer Zwei-Qubit-Quantenprozessor und seine Anwendung zur Lösung linearer Gleichungssysteme“, Wissenschaftliche Berichte 4, 6115 (2014) .
https: / / doi.org/ 10.1038 / srep06115

[18] J. Wen, X. Kong, S. Wei, B. Wang, T. Rev. A 99, 012320 (2019).
https: / / doi.org/ 10.1103 / PhysRevA.99.012320

[19] E. Anschuetz, J. Olson, A. Aspuru-Guzik und Y. Cao, „Variational Quantum Factoring“, in International Workshop on Quantum Technology and Optimization Problems (Springer, 2019), S. 74–85.
https:/​/​doi.org/​10.1007/​978-3-030-14082-3_7

[20] A. Peruzzo, J. McClean, P. Shadbolt, M.-H. Yung, X.-Q. Zhou, PJ Love, A. Aspuru-Guzik und JL O'Brien, „Ein Variationseigenwertlöser auf einem photonischen Quantenprozessor“, Nature Communications 5, 4213 (2014).
https: / / doi.org/ 10.1038 / ncomms5213

[21] Y. Cao, J. Romero, JP Olson, M. Degroote, PD Johnson, et al., „Quantenchemie im Zeitalter des Quantencomputings“, Chemical Reviews 119, 10856–10915 (2019).
https: // doi.org/ 10.1021 / acs.chemrev.8b00803

[22] O. Higgott, D. Wang und S. Brierley, „Variational Quantum Computation of Excited States“, Quantum 3, 156 (2019).
https:/​/​doi.org/​10.22331/​q-2019-07-01-156

[23] T. Jones, S. Endo, S. McArdle, X. Yuan und SC Benjamin, „Variationsquantenalgorithmen zur Entdeckung von Hamilton-Spektren“, Phys. Rev. A 99, 062304 (2019).
https: / / doi.org/ 10.1103 / PhysRevA.99.062304

[24] Y. Li und SC Benjamin, „Effizienter Variationsquantensimulator mit aktiver Fehlerminimierung“, Phys. Rev. X 7, 021050 (2017).
https://doi.org/ 10.1103/PhysRevX.7.021050

[25] C. Kokail, C. Maier, R. van Bijnen, T. Brydges, MK Joshi, P. Jurcevic, CA Muschik, P. Silvi, R. Blatt, CF Roos und P. Zoller, „Selbstverifizierende Variationsquantensimulation von Gittermodellen“, Nature 569, 355–360 (2019).
https:/​/​doi.org/​10.1038/​s41586-019-1177-4

[26] K. Heya, KM Nakanishi, K. Mitarai und K. Fujii, „Subspace Variational Quantum Simulator“, Phys. Rev. Research 5, 023078 (2023).
https: / / doi.org/ 10.1103 / PhysRevResearch.5.023078

[27] Cristina Cirstoiu, Zoe Holmes, Joseph Iosue, Lukasz Cincio, Patrick J Coles und Andrew Sornborger, „Variational Fast Forwarding for Quantum Simulation Beyond the Coherence Time“, npj Quantum Information 6, 82 (2020).
https:/​/​doi.org/​10.1038/​s41534-020-00302-0

[28] Xiao Yuan, Suguru Endo, Qi Zhao, Ying Li und Simon C Benjamin, „Theory of Variational Quantum Simulation“, Quantum 3, 191 (2019).
https:/​/​doi.org/​10.22331/​q-2019-10-07-191

[29] J. Romero, JP Olson und A. Aspuru-Guzik, „Quantum Autoencoders for Effiziente Komprimierung von Quantendaten“, Quantum Science and Technology 2, 045001 (2017).
https: / / doi.org/ 10.1088 / 2058-9565 / aa8072

[30] R. LaRose, A. Tikku, É. O'Neel-Judy, L. Cincio und PJ Coles, „Variational Quantum State Diagonalization“, npj Quantum Information 5, 57 (2018).
https:/​/​doi.org/​10.1038/​s41534-019-0167-6

[31] C. Bravo-Prieto, D. García-Martín und JI Latorre, „Quantum Singular Value Decomposer“, Phys. Rev. A 101, 062310 (2020).
https: / / doi.org/ 10.1103 / PhysRevA.101.062310

[32] M. Cerezo, Kunal Sharma, Andrew Arrasmith und Patrick J Coles, „Variational Quantum State Eigensolver“, npj Quantum Information 8, 113 (2022).
https:/​/​doi.org/​10.1038/​s41534-022-00611-6

[33] S. Khatri, R. LaRose, A. Poremba, L. Cincio, AT Sornborger und PJ Coles, „Quantum-assisted Quantum Compiling“, Quantum 3, 140 (2019).
https:/​/​doi.org/​10.22331/​q-2019-05-13-140

[34] T. Jones und S. C. Benjamin, „Robuste Quantenkompilierung und Schaltungsoptimierung durch Energieminimierung“, Quantum 6, 628 (2022).
https:/​/​doi.org/​10.22331/​q-2022-01-24-628

[35] A. Arrasmith, L. Cincio, AT Sornborger, WH Zurek und PJ Coles, „Variationskonsistente Geschichten als Hybridalgorithmus für Quantengrundlagen“, Nature Communications 10, 3438 (2019).
https:/​/​doi.org/​10.1038/​s41467-019-11417-0

[36] Marco Cerezo, Alexander Poremba, Lukasz Cincio und Patrick J Coles, „Variational Quantum Fidelity Estimation“, Quantum 4, 248 (2020b).
https:/​/​doi.org/​10.22331/​q-2020-03-26-248

[37] Bálint Koczor, Suguru Endo, Tyson Jones, Yuichiro Matsuzaki und Simon C. Benjamin, „Variational-State Quantum Metrology“, New Journal of Physics 22, 083038 (2020b).
https://​/​doi.org/​10.1088/​1367-2630/​ab965e

[38] M Cerezo, Akira Sone, Tyler Volkoff, Lukasz Cincio und Patrick J Coles, „Kostenfunktionsabhängige unfruchtbare Plateaus in flachen parametrisierten Quantenschaltungen“, Nature Communications 12, 1791 (2020b).
https: / / doi.org/ 10.1038 / s41467-021-21728-w

[39] MA Nielsen und IL Chuang, Quantum Computation and Quantum Information: 10th Anniversary Edition, 10th ed. (Cambridge University Press, New York, NY, USA, 2011).
https: / / doi.org/ 10.1017 / CBO9780511976667

[40] E. Knill und R. Laflamme, „Power of one bit of Quantum Information“, Phys. Rev. Lett. 81, 5672–5675 (1998).
https://doi.org/ 10.1103/PhysRevLett.81.5672

[41] K. Fujii, H. Kobayashi, T. Morimae, H. Nishimura, S. Tamate und S. Tani, „Unmöglichkeit der klassischen Simulation eines One-Clean-Qubit-Modells mit multiplikativem Fehler“, Phys. Rev. Lett. 120, 200502 (2018).
https://doi.org/ 10.1103/PhysRevLett.120.200502

[42] T. Morimae, "Härte der klassischen Abtastung des One-Clean-Qubit-Modells mit konstantem Gesamtvariationsabstandsfehler", Phys. Rev. A 96, 040302 (2017).
https: / / doi.org/ 10.1103 / PhysRevA.96.040302

[43] A. Kandala, A. Mezzacapo, K. Temme, M. Takita, M. Brink, JM Chow und JM Gambetta, „Hardware-effizienter Variationsquanteneigenlöser für kleine Moleküle und Quantenmagnete“, Nature 549, 242 (2017).
https: / / doi.org/ 10.1038 / nature23879

[44] Jarrod R McClean, Sergio Boixo, Vadim N Smelyanskiy, Ryan Babbush und Hartmut Neven, „Barren Plateaus in Quantum Neural Network Training Landscapes“, Nature Communications 9, 4812 (2018).
https:/​/​doi.org/​10.1038/​s41467-018-07090-4

[45] Edward Grant, Leonard Wossnig, Mateusz Ostaszewski und Marcello Benedetti, „Eine Initialisierungsstrategie zur Adressierung unfruchtbarer Plateaus in parametrisierten Quantenschaltungen“, Quantum 3, 214 (2019).
https:/​/​doi.org/​10.22331/​q-2019-12-09-214

[46] Tyler Volkoff und Patrick J Coles, „Große Gradienten durch Korrelation in zufällig parametrisierten Quantenschaltungen“, Quantum Sci. Technol. 6, 025008 (2021).
https://​/​doi.org/​10.1088/​2058-9565/​abd891

[47] L. Cincio, Y. Subaşı, AT Sornborger und PJ Coles, „Learning the Quantum Algorithm for State Overlap“, New Journal of Physics 20, 113022 (2018).
https: / / doi.org/ 10.1088 / 1367-2630 / aae94a

[48] E. Farhi, J. Goldstone und S. Gutmann, „Ein Quanten-Approximationsoptimierungsalgorithmus“, arXiv:1411.4028 [quant-ph].
arXiv: 1411.4028

[49] S. Hadfield, Z. Wang, B. O'Gorman, EG Rieffel, D. Venturelli und R. Biswas, „Vom Quantennäherungsoptimierungsalgorithmus zu einem Quantenalternierungsoperatoransatz“, Algorithms 12, 34 (2019).
https: // doi.org/ 10.3390 / a12020034

[50] S. Lloyd, „Quantennäherungsoptimierung ist rechnerisch universell“, arXiv:1812.11075 [quant-ph].
arXiv: 1812.11075

[51] Z. Wang, S. Hadfield, Z. Jiang und EG Rieffel, „Quantum Approximation Optimization Algorithm for MaxCut: A fermionic view“, Phys. Rev. A 97, 022304 (2018).
https: / / doi.org/ 10.1103 / PhysRevA.97.022304

[52] L. Zhou, S.-T. Wang, S. Choi, H. Pichler und MD Lukin, „Quantennäherungsoptimierungsalgorithmus: Leistung, Mechanismus und Implementierung auf kurzfristigen Geräten“, Phys. Rev. X 10, 021067 (2020).
https://doi.org/ 10.1103/PhysRevX.10.021067

[53] GE Crooks, „Performance of the Quantum Approximation Optimization Algorithm on the Maximum Cut Problem“, arXiv-Vorabdruck arXiv:1811.08419 (2018).
arXiv: 1811.08419

[54] JM Kübler, A. Arrasmith, L. Cincio und PJ Coles, „Ein adaptiver Optimierer für messsparsame Variationsalgorithmen“, Quantum 4, 263 (2020).
https:/​/​doi.org/​10.22331/​q-2020-05-11-263

[55] Andrew Arrasmith, Lukasz Cincio, Rolando D Somma und Patrick J Coles, „Operator Sampling for Shot-Frugal Optimization in Variational Algorithms“, arXiv-Vorabdruck arXiv:2004.06252 (2020).
arXiv: 2004.06252

[56] Ryan Sweke, Frederik Wilde, Johannes Meyer, Maria Schuld, Paul K Fährmann, Barthélémy Meynard-Piganeau und Jens Eisert, „Stochastic Gradient Descent for Hybrid Quantum-Classical Optimization“, Quantum 4, 314 (2020).
https:/​/​doi.org/​10.22331/​q-2020-08-31-314

[57] K. Mitarai, M. Negoro, M. Kitagawa und K. Fujii, „Quantum Circuit learning“, Phys. Rev. A 98, 032309 (2018).
https: / / doi.org/ 10.1103 / PhysRevA.98.032309

[58] M. Schuld, V. Bergholm, C. Gogolin, J. Izaac und N. Killoran, „Evaluierung analytischer Gradienten auf Quantenhardware“, Phys. Rev. A 99, 032331 (2019).
https: / / doi.org/ 10.1103 / PhysRevA.99.032331

[59] A. Harrow und J. Napp, „Gradientenmessungen mit geringer Tiefe können die Konvergenz in quantenklassischen Variations-Hybrid-Algorithmen verbessern“, Phys. Rev. Lett. 126, 140502 (2021).
https://doi.org/ 10.1103/PhysRevLett.126.140502

[60] Kunal Sharma, Sumeet Khatri, Marco Cerezo und Patrick Coles, „Noise Resilience of Variational Quantum Compiling“, New Journal of Physics 22, 043006 (2020).
https: / / doi.org/ 10.1088 / 1367-2630 / ab784c

[61] K. Temme, S. Bravyi und JM Gambetta, "Fehlerminderung für Quantenschaltungen mit kurzer Tiefe", Phys. Rev. Lett. 119, 180509 (2017).
https://doi.org/ 10.1103/PhysRevLett.119.180509

[62] Y. He und H. Guo, „The border effects of transversal field ising model“, Journal of Statistical Mechanics: Theory and Experiment 2017, 093101 (2017).
https:/​/​doi.org/​10.1088/​1742-5468/​aa85b0

[63] DW Berry, G. Ahokas, R. Cleve und BC Sanders, „Effiziente Quantenalgorithmen zur Simulation spärlicher Hamiltonianer“, Communications in Mathematical Physics 270, 359–371 (2007).
https: / / doi.org/ 10.1007 / s00220-006-0150-x

[64] Y. Atia und D. Aharonov, „Fast-Forwarding of Hamiltonians and Exponentially Precision Measurements“, Nature Communications 8, 1572 (2017).
https:/​/​doi.org/​10.1038/​s41467-017-01637-7

[65] X. Xu, J. Sun, S. Endo, Y. Li, SC Benjamin und X. Yuan, „Variationsalgorithmen für die lineare Algebra“, Science Bulletin 66, 2181–2188 (2021).
https: / / doi.org/ 10.1016 / j.scib.2021.06.023

[66] H.-Y. Huang, K. Bharti und P. Rebentrost, „Near-Term-Quantenalgorithmen für lineare Gleichungssysteme mit Regressionsverlustfunktionen“, New Journal of Physics 23, 113021 (2021).
https://​/​doi.org/​10.1088/​1367-2630/​ac325f

[67] A. Asfaw, L. Bello, Y. Ben-Haim, S. Bravyi, L. Capelluto, et al., „Lernen Sie Quantenberechnungen mit Qiskit.“ (2019).
http://​/​community.qiskit.org/​textbook

[68] A. Mari, „Variativer Quantenlinearlöser“. (2019).
https://​/​pennylane.ai/​qml/​app/​tutorial_vqls.html

[69] M. Szegedy, „Quantenbeschleunigung markowkettenbasierter Algorithmen“, in Proceedings of the 45th Annual IEEE Symposium on FOCS. (IEEE, 2004), S. 32–41.
https: / / doi.org/ 10.1109 / FOCS.2004.53

[70] DW Berry, AM Childs und R. Kothari, „Hamiltonsche Simulation mit nahezu optimaler Abhängigkeit von allen Parametern“, in Proceedings of the 56th Symposium on Foundations of Computer Science (2015).
https: / / doi.org/ 10.1109 / FOCS.2015.54

[71] JC Garcia-Escartin und P. Chamorro-Posada, „Swap-Test und Hong-Ou-Mandel-Effekt sind gleichwertig“, Phys. Rev. A 87, 052330 (2013).
https: / / doi.org/ 10.1103 / PhysRevA.87.052330

[72] MJD Powell, „Ein schneller Algorithmus für nichtlinear eingeschränkte Optimierungsberechnungen“, in Numerical Analysis (Springer, 1978), S. 144–157.
https: / / doi.org/ 10.1007 / BFb0067703

Zitiert von

[1] J. Abhijith, Adetokunbo Adedoyin, John Ambrosiano, Petr Anisimov, William Casper, Gopinath Chennupati, Carleton Coffrin, Hristo Djidjev, David Gunter, Satish Karra, Nathan Lemons, Shizeng Lin, Alexander Malyzhenkov, David Mascarenas, Susan Mniszewski, Balu Nadiga, Daniel O'Malley, Diane Oyen, Scott Pakin, Lakshman Prasad, Randy Roberts, Phillip Romero, Nandakishore Santhi, Nikolai Sinitsyn, Pieter J. Swart, James G. Wendelberger, Boram Yoon, Richard Zamora, Wei Zhu, Stephan Eidenbenz, Andreas Bärtschi, Patrick J. Coles, Marc Vuffray und Andrey Y. Lokhov, „Quantum Algorithm Implementations for Beginners“, arXiv: 1804.03719, (2018).

[2] Jules Tilly, Hongxiang Chen, Shuxiang Cao, Dario Picozzi, Kanav Setia, Ying Li, Edward Grant, Leonard Wossnig, Ivan Rungger, George H. Booth und Jonathan Tennyson, „The Variational Quantum Eigensolver: A Review of Methods and empfohlene Vorgehensweise", Physikberichte 986, 1 (2022).

[3] Kishor Bharti, Alba Cervera-Lierta, Thi Ha Kyaw, Tobias Haug, Sumner Alperin-Lea, Abhinav Anand, Matthias Degroote, Hermanni Heimonen, Jakob S. Kottmann, Tim Menke, Wai-Keong Mok, Sukin Sim, Leong- Chuan Kwek und Alán Aspuru-Guzik, „Noisy Intermediate-Scale Quantum Algorithms“, Rezensionen zur modernen Physik 94 1, 015004 (2022).

[4] Andrew Arrasmith, M. Cerezo, Piotr Czarnik, Lukasz Cincio und Patrick J. Coles, „Auswirkung unfruchtbarer Plateaus auf die gradientenfreie Optimierung“, Quantum 5, 558 (2021).

[5] M. Cerezo, Akira Sone, Tyler Volkoff, Lukasz Cincio und Patrick J. Coles, „Kostenfunktionsabhängige unfruchtbare Plateaus in flachen parametrisierten Quantenschaltungen“, Naturkommunikation 12, 1791 (2021).

[6] Samson Wang, Enrico Fontana, M. Cerezo, Kunal Sharma, Akira Sone, Lukasz Cincio und Patrick J. Coles, „Rauschinduzierte karge Plateaus in Variationsquantenalgorithmen“, Naturkommunikation 12, 6961 (2021).

[7] M. Cerezo, Andrew Arrasmith, Ryan Babbush, Simon C. Benjamin, Suguru Endo, Keisuke Fuji, Jarrod R. McClean, Kosuke Mitarai, Xiao Yuan, Lukasz Cincio und Patrick J. Coles, "Variational Quantum Algorithms", arXiv: 2012.09265, (2020).

[8] Suguru Endo, Zhenyu Cai, Simon C. Benjamin und Xiao Yuan, „Hybrid Quantum-Classical Algorithms and Quantum Error Mitigation“, Zeitschrift der Physikalischen Gesellschaft Japans 90 3, 032001 (2021).

[9] Xiaosi Xu, Jinzhao Sun, Suguru Endo, Ying Li, Simon C. Benjamin und Xiao Yuan, „Variationsalgorithmen für die lineare Algebra“, Science Bulletin 66 21, 2181 (2021).

[10] Zoë Holmes, Kunal Sharma, M. Cerezo und Patrick J. Coles, „Connecting Ansatz Expressibility to Gradient Magnitudes and Barren Plateaus“, PRX-Quantum 3 1, 010313 (2022).

[11] Dylan Herman, Cody Googin, Xiaoyuan Liu, Alexey Galda, Ilya Safro, Yue Sun, Marco Pistoia und Yuri Alexeev, „A Survey of Quantum Computing for Finance“, arXiv: 2201.02773, (2022).

[12] Kunal Sharma, Sumeet Khatri, M. Cerezo und Patrick J. Coles, „Noise Resilience of Variational Quantum Compiling“, Neue Zeitschrift für Physik 22 4, 043006 (2020).

[13] Daniel Stilck França und Raul García-Patrón, „Einschränkungen von Optimierungsalgorithmen auf verrauschten Quantengeräten“, Naturphysik 17 11, 1221 (2021).

[14] Arthur Pesah, M. Cerezo, Samson Wang, Tyler Volkoff, Andrew T. Sornborger und Patrick J. Coles, „Absence of Barren Plateaus in Quantum Convolutional Neural Networks“, Physische Überprüfung X 11 4, 041011 (2021).

[15] Suguru Endo, Jinzhao Sun, Ying Li, Simon C. Benjamin und Xiao Yuan, „Variational Quantum Simulation of General Processes“, Physische Überprüfungsschreiben 125 1, 010501 (2020).

[16] Oleksandr Kyriienko, Annie E. Paine und Vincent E. Elfving, „Lösung nichtlinearer Differentialgleichungen mit differenzierbaren Quantenschaltungen“, Physische Überprüfung A 103 5, 052416 (2021).

[17] Ryan LaRose und Brian Coyle, „Robuste Datencodierungen für Quantenklassifikatoren“, Physische Überprüfung A 102 3, 032420 (2020).

[18] M. Cerezo, Kunal Sharma, Andrew Arrasmith und Patrick J. Coles, "Variational Quantum State Eigensolver", arXiv: 2004.01372, (2020).

[19] Kunal Sharma, M. Cerezo, Lukasz Cincio und Patrick J. Coles, „Trainierbarkeit dissipativer Perceptron-basierter Quanten-Neuronaler Netze“, Physische Überprüfungsschreiben 128 18, 180505 (2022).

[20] Hsin-Yuan Huang, Kishor Bharti und Patrick Rebentrost, „Kurzfristige Quantenalgorithmen für lineare Gleichungssysteme“, arXiv: 1909.07344, (2019).

[21] Tyler Volkoff und Patrick J. Coles, „Große Gradienten durch Korrelation in zufällig parametrisierten Quantenschaltungen“, Quantenwissenschaft und -technologie 6 2, 025008 (2021).

[22] Bojia Duan, Jiabin Yuan, Chao-Hua Yu, Jianbang Huang und Chang-Yu Hsieh, „Eine Umfrage zum HHL-Algorithmus: Von der Theorie zur Anwendung beim quantenmaschinellen Lernen“, Physikbriefe A 384, 126595 (2020).

[23] M. Cerezo und Patrick J. Coles, „Ableitungen höherer Ordnung von Quantenneuralnetzwerken mit unfruchtbaren Plateaus“, Quantenwissenschaft und -technologie 6 3, 035006 (2021).

[24] Samson Wang, Piotr Czarnik, Andrew Arrasmith, M. Cerezo, Lukasz Cincio und Patrick J. Coles, „Can Error Mitigation Improve Trainability of Noisy Variational Quantum Algorithms?“, arXiv: 2109.01051, (2021).

[25] Andrew Arrasmith, Lukasz Cincio, Rolando D. Somma und Patrick J. Coles, „Operator Sampling for Shot-Frugal Optimization in Variational Algorithms“, arXiv: 2004.06252, (2020).

[26] Benjamin Commeau, M. Cerezo, Zoë Holmes, Lukasz Cincio, Patrick J. Coles und Andrew Sornborger, „Variational Hamiltonian Diagonalization for Dynamical Quantum Simulation“, arXiv: 2009.02559, (2020).

[27] M. Bilkis, M. Cerezo, Guillaume Verdon, Patrick J. Coles und Lukasz Cincio, „Ein semi-agnostischer Ansatz mit variabler Struktur für das quantenmechanische Lernen“, arXiv: 2103.06712, (2021).

[28] Jonas M. Kübler, Andrew Arrasmith, Lukasz Cincio und Patrick J. Coles, „Ein adaptiver Optimierer für messungssparende Variationsalgorithmen“, Quantum 4, 263 (2020).

[29] Zoë Holmes, Andrew Arrasmith, Bin Yan, Patrick J. Coles, Andreas Albrecht und Andrew T. Sornborger, „Barren Plateaus Preclude Learning Scrambler“, Physische Überprüfungsschreiben 126 19, 190501 (2021).

[30] Martin Larocca, Piotr Czarnik, Kunal Sharma, Gopikrishnan Muraleedharan, Patrick J. Coles und M. Cerezo, „Diagnosing Barren Plateaus with Tools from Quantum Optimal Control“, Quantum 6, 824 (2022).

[31] AK Fedorov, N. Gisin, SM Beloussov und AI Lvovsky, „Quantum Computing at the Quantum Advantage Threshold: a Down-to-Business Review“, arXiv: 2203.17181, (2022).

[32] Chenfeng Cao und Xin Wang, „Rauschunterstützter Quanten-Autoencoder“, Physische Überprüfung angewendet 15 5, 054012 (2021).

[33] Jonathan Wei Zhong Lau, Kian Hwee Lim, Harshank Shrotriya und Leong Chuan Kwek, „NISQ-Computing: Wo sind wir und wohin gehen wir?“, Bulletin 32 1, 27 (2022) der Association of Asia Pacific Physical Societies.

[34] Peter J. Karalekas, Nikolas A. Tezak, Eric C. Peterson, Colm A. Ryan, Marcus P. da Silva und Robert S. Smith, „Eine quantenklassische Cloud-Plattform, optimiert für Variations-Hybrid-Algorithmen“, Quantenwissenschaft und -technologie 5 2, 024003 (2020).

[35] Carlos Bravo-Prieto, Diego García-Martín und José I. Latorre, „Quantum Singular Value Decomposer“, Physische Überprüfung A 101 6, 062310 (2020).

[36] Jacob Biamonte, „Universelle Variationsquantenberechnung“, Physische Überprüfung A 103 3, L030401 (2021).

[37] Yu Tong, Dong An, Nathan Wiebe und Lin Lin, „Schnelle Inversion, vorkonditionierte Quantenlinearsystemlöser, schnelle Green-Funktionsberechnung und schnelle Auswertung von Matrixfunktionen“, Physische Überprüfung A 104 3, 032422 (2021).

[38] Juneseo Lee, Alicia B. Magann, Herschel A. Rabitz und Christian Arenz, „Fortschritte auf dem Weg zu günstigen Landschaften in der quantenkombinatorischen Optimierung“, Physische Überprüfung A 104 3, 032401 (2021).

[39] Kunal Sharma, M. Cerezo, Zoë Holmes, Lukasz Cincio, Andrew Sornborger und Patrick J. Coles, „Reformulation of the No-Free-Lunch Theorem for Entangled Datasets“, Physische Überprüfungsschreiben 128 7, 070501 (2022).

[40] Ting Zhang, Jinzhao Sun, Xiao-Xu Fang, Xiao-Ming Zhang, Xiao Yuan und He Lu, „Experimentelle Quantenzustandsmessung mit klassischen Schatten“, Physische Überprüfungsschreiben 127 20, 200501 (2021).

[41] Budinski Ljubomir, „Quantenalgorithmus für die Navier-Stokes-Gleichungen unter Verwendung der Stromfunktions-Vorticity-Formulierung und der Gitter-Boltzmann-Methode“, Internationales Journal of Quantum Information 20 2, 2150039-27 (2022).

[42] Nikolay V. Tkachenko, James Sud, Yu Zhang, Sergei Tretiak, Petr M. Anisimov, Andrew T. Arrasmith, Patrick J. Coles, Lukasz Cincio und Pavel A. Dub, „Correlation-Informed Permutation of Qubits for Reducing Ansatz Tiefe im Variationsquantum-Eigensolver“, PRX-Quantum 2 2, 020337 (2021).

[43] Alexandre Choquette, Agustin Di Paolo, Panagiotis Kl. Barkoutsos, David Sénéchal, Ivano Tavernelli und Alexandre Blais, „Quantum-optimal-control-inspirierter Ansatz für Variationsquantenalgorithmen“, Physical Review Research 3 2, 023092 (2021).

[44] Lin Lin und Yu Tong, „Optimale polynombasierte Quanteneigenzustandsfilterung mit Anwendung zur Lösung quantenlinearer Systeme“, Quantum 4, 361 (2020).

[45] Aram W. Harrow und John C. Napp, „Low-Depth Gradient Measurements Can Improve Convergence in Variational Hybrid Quantum-Classical Algorithms“, Physische Überprüfungsschreiben 126 14, 140502 (2021).

[46] Supanut Thanasilp, Samson Wang, Nhat A. Nghiem, Patrick J. Coles und M. Cerezo, „Feinheiten in der Trainierbarkeit von Quantenmaschinen-Lernmodellen“, arXiv: 2110.14753, (2021).

[47] Yohei Ibe, Yuya O. Nakagawa, Nathan Earnest, Takahiro Yamamoto, Kosuke Mitarai, Qi Gao und Takao Kobayashi, „Berechnung der Übergangsamplituden durch Variationsquantendeflation“, arXiv: 2002.11724, (2020).

[48] ​​Fong Yew Leong, Wei-Bin Ewe und Dax Enshan Koh, „Variational Quantum Evolution Equation Solver“, arXiv: 2204.02912, (2022).

[49] Benjamin A. Cordier, Nicolas PD Sawaya, Gian G. Guerreschi und Shannon K. McWeeney, „Biologie und Medizin in der Landschaft der Quantenvorteile“, arXiv: 2112.00760, (2021).

[50] Carlos Bravo-Prieto, Josep Lumbreras-Zarapico, Luca Tagliacozzo und José I. Latorre, „Skalierung der Variationsquantenschaltkreistiefe für Systeme kondensierter Materie“, Quantum 4, 272 (2020).

[51] Sergi Ramos-Calderer, Adrián Pérez-Salinas, Diego García-Martín, Carlos Bravo-Prieto, Jorge Cortada, Jordi Planagumà und José I. Latorre, „Quantum unary Approach to Option Pricing“. Physische Überprüfung A 103 3, 032414 (2021).

[52] Pei Zeng, Jinzhao Sun und Xiao Yuan, „Universelle algorithmische Quantenkühlung auf einem Quantencomputer“, arXiv: 2109.15304, (2021).

[53] Aidan Pellow-Jarman, Ilya Sinayskiy, Anban Pillay und Francesco Petruccione, „Ein Vergleich verschiedener klassischer Optimierer für einen Variationsquantenlinearlöser“, Quanteninformationsverarbeitung 20 6, 202 (2021).

[54] Youle Wang, Guangxi Li und Xin Wang, „Variational Quantum Gibbs State Preparation with a Truncated Taylor Series“, Physische Überprüfung angewendet 16 5, 054035 (2021).

[55] Hsin-Yuan Huang, Kishor Bharti und Patrick Rebentrost, „Near-Term-Quantenalgorithmen für lineare Gleichungssysteme mit Regressionsverlustfunktionen“, Neue Zeitschrift für Physik 23 11, 113021 (2021).

[56] Dong An und Lin Lin, „Quantenlinearer Systemlöser basierend auf zeitoptimalem adiabatischem Quantencomputing und Quantennäherungsoptimierungsalgorithmus“, arXiv: 1909.05500, (2019).

[57] Romina Yalovetzky, Pierre Minssen, Dylan Herman und Marco Pistoia, „Hybrid HHL mit dynamischen Quantenschaltungen auf realer Hardware“, arXiv: 2110.15958, (2021).

[58] Andi Gu, Angus Lowe, Pavel A. Dub, Patrick J. Coles und Andrew Arrasmith, „Adaptive Shot Allocation for Fast Convergence in Variational Quantum Algorithms“, arXiv: 2108.10434, (2021).

[59] Lorenzo Leone, Salvatore FE Oliviero, Stefano Piemontese, Sarah True und Alioscia Hamma, „Abrufen von Informationen aus einem Schwarzen Loch mithilfe von Quantenmaschinellem Lernen“, Physische Überprüfung A 106 6, 062434 (2022).

[60] Shi-Xin Zhang, Chang-Yu Hsieh, Shengyu Zhang und Hong Yao, „Neural Prediktor Based Quantum Architecture Search“, Maschinelles Lernen: Wissenschaft und Technologie 2 4, 045027 (2021).

[61] P. Chandarana, NN Hegade, K. Paul, F. Albarrán-Arriagada, E. Solano, A. del Campo und Xi Chen, „Digitalisierter-counterdiabatischer Quantennäherungs-Optimierungsalgorithmus“, Physical Review Research 4 1, 013141 (2022).

[62] Antonio A. Mele, Glen B. Mbeng, Giuseppe E. Santoro, Mario Collura und Pietro Torta, „Vermeidung unfruchtbarer Plateaus durch Übertragbarkeit glatter Lösungen in einem Hamiltonian-Variationsansatz“, Physische Überprüfung A 106 6, L060401 (2022).

[63] Xin Wang, Zhixin Song und Youle Wang, "Variational Quantum Singular Value Decomposition", Quantum 5, 483 (2021).

[64] Kosuke Mitarai und Keisuke Fujii, „Overhead für die Simulation eines nicht-lokalen Kanals mit lokalen Kanälen durch Quasi-Probability-Sampling“, Quantum 5, 388 (2021).

[65] Pierre-Luc Dallaire-Demers, Michał Stęchły, Jerome F. Gonthier, Ntwali Toussaint Bashige, Jonathan Romero und Yudong Cao, „Ein Anwendungsbenchmark für fermionische Quantensimulationen“, arXiv: 2003.01862, (2020).

[66] Adrián Pérez-Salinas, Juan Cruz-Martinez, Abdulla A. Alhajri und Stefano Carrazza, „Bestimmung des Protonengehalts mit einem Quantencomputer“, Physische Überprüfung D 103 3, 034027 (2021).

[67] Bujiao Wu, Jinzhao Sun, Qi Huang und Xiao Yuan, „Überlappende Gruppierungsmessung: Ein einheitlicher Rahmen zur Messung von Quantenzuständen“, arXiv: 2105.13091, (2021).

[68] Jacob L. Beckey, M. Cerezo, Akira Sone und Patrick J. Coles, „Variational Quantum Algorithm for Estimating the Quantum Fisher Information“, arXiv: 2010.10488, (2020).

[69] Yuhan Huang, Qingyu Li, Xiaokai Hou, Rebing Wu, Man-Hong Yung, Abolfazl Bayat und Xiaoting Wang, „Robuster ressourceneffizienter Quantenvariationsansatz durch einen evolutionären Algorithmus“, Physische Überprüfung A 105 5, 052414 (2022).

[70] Jin-Min Liang, Shu-Qian Shen, Ming Li und Lei Li, „Variative Quantenalgorithmen zur Dimensionsreduktion und -klassifizierung“, Physische Überprüfung A 101 3, 032323 (2020).

[71] Suguru Endo, Jinzhao Sun, Ying Li, Simon Benjamin und Xiao Yuan, „Variationsquantensimulation allgemeiner Prozesse“, arXiv: 1812.08778, (2018).

[72] Enrico Fontana, M. Cerezo, Andrew Arrasmith, Ivan Rungger und Patrick J. Coles, „Nicht-triviale Symmetrien in Quantenlandschaften und ihre Widerstandsfähigkeit gegenüber Quantenrauschen“, arXiv: 2011.08763, (2020).

[73] Ruizhe Zhang, Guoming Wang und Peter Johnson, „Computing Ground State Properties with Early Fault-Tolerant Quantum Computers“, Quantum 6, 761 (2022).

[74] Quoc Chuong Nguyen, Le Bin Ho, Lan Nguyen Tran und Hung Q. Nguyen, „Qsun: eine Open-Source-Plattform für praktische Quantenmaschinenlernanwendungen“, Maschinelles Lernen: Wissenschaft und Technologie 3 1, 015034 (2022).

[75] Ranyiliu Chen, Zhixin Song, Xuanqiang Zhao und Xin Wang, „Variational Quantum Algorithms for Trace Distance and Fidelity Estimation“, arXiv: 2012.05768, (2020).

[76] Brian Coyle, Mina Doosti, Elham Kashefi und Niraj Kumar, „Fortschritte auf dem Weg zur praktischen Quantenkryptanalyse durch Variationsquantenklonierung“, Physische Überprüfung A 105 4, 042604 (2022).

[77] Ranyiliu Chen, Zhixin Song, Xuanqiang Zhao und Xin Wang, „Variative Quantenalgorithmen zur Spurentfernungs- und Wiedergabetreueschätzung“, Quantenwissenschaft und -technologie 7 1, 015019 (2022).

[78] Austin Gilliam, Stefan Woerner und Constantin Gonciulea, „Grover Adaptive Search for Constrained Polynomial Binary Optimization“, Quantum 5, 428 (2021).

[79] Xiaoxia Cai, Wei-Hai Fang, Heng Fan und Zhendong Li, „Quantenberechnung molekularer Antworteigenschaften“, Physical Review Research 2 3, 033324 (2020).

[80] Yohei Ibe, Yuya O. Nakagawa, Nathan Earnest, Takahiro Yamamoto, Kosuke Mitarai, Qi Gao und Takao Kobayashi, „Berechnung der Übergangsamplituden durch Variationsquantendeflation“, Physical Review Research 4 1, 013173 (2022).

[81] M. Cerezo, Akira Sone, Jacob L. Beckey und Patrick J. Coles, „Sub-quantum Fisher information“, Quantenwissenschaft und -technologie 6 3, 035008 (2021).

[82] S. Biedron, L. Brouwer, DL Bruhwiler, NM Cook, AL Edelen, D. Filippetto, C. -K. Huang, A. Huebl, T. Katsouleas, N. Kuklev, R. Lehe, S. Lund, C. Messe, W. Mori, C. -K. Ng, D. Perez, P. Piot, J. Qiang, R. Roussel, D. Sagan, A. Sahai, A. Scheinker, M. Thévenet, F. Tsung, J. -L. Vay, D. Winklehner und H. Zhang, „Snowmass21 Accelerator Modeling Community White Paper“, arXiv: 2203.08335, (2022).

[83] Hrushikesh Patil, Yulun Wang und Predrag S. Krstić, „Variational Quantum Linear Solver with a Dynamic Ansatz“, Physische Überprüfung A 105 1, 012423 (2022).

[84] Johanna Barzen, „From Digital Humanities zu Quantum Humanities: Potenziale und Anwendungen“, arXiv: 2103.11825, (2021).

[85] Austin Gilliam, Stefan Woerner und Constantin Gonciulea, „Grover Adaptive Search for Constrained Polynomial Binary Optimization“, arXiv: 1912.04088, (2019).

[86] Sheng-Jie Li, Jin-Min Liang, Shu-Qian Shen und Ming Li, „Variationsquantenalgorithmen für Spurennormen und ihre Anwendungen“, Kommunikation in der Theoretischen Physik 73 10, 105102 (2021).

[87] Reuben Demirdjian, Daniel Gunlycke, Carolyn A. Reynolds, James D. Doyle und Sergio Tafur, „Variative Quantenlösungen der Advektions-Diffusionsgleichung für Anwendungen in der Fluiddynamik“, Quanteninformationsverarbeitung 21 9, 322 (2022).

[88] Fong Yew Leong, Wei-Bin Ewe und Dax Enshan Koh, „Variational Quantum Evolution Gleichungslöser“, Wissenschaftliche Berichte 12, 10817 (2022).

[89] Carlos Bravo-Prieto, „Quantum Autoencoders with Enhanced Data Encoding“, arXiv: 2010.06599, (2020).

[90] Jacob L. Beckey, M. Cerezo, Akira Sone und Patrick J. Coles, „Variationsquantenalgorithmus zur Schätzung der Quanten-Fisher-Information“, Physical Review Research 4 1, 013083 (2022).

[91] Kaixuan Huang, Xiaoxia Cai, Hao Li, Zi-Yong Ge, Ruijuan Hou, Hekang Li, Tong Liu, Yunhao Shi, Chitong Chen, Dongning Zheng, Kai Xu, Zhi-Bo Liu, Zhendong Li, Heng Fan und Wei-Hai Fang, „Variative Quantenberechnung molekularer linearer Reaktionseigenschaften auf einem supraleitenden Quantenprozessor“, arXiv: 2201.02426, (2022).

[92] Alicia B. Magann, Christian Arenz, Matthew D. Grace, Tak-San Ho, Robert L. Kosut, Jarrod R. McClean, Herschel A. Rabitz und Mohan Sarovar, „Von Impulsen zu Schaltkreisen und wieder zurück: A Quantenoptimale Kontrollperspektive auf Variationsquantenalgorithmen“, arXiv: 2009.06702, (2020).

[93] Bujiao Wu, Maharshi Ray, Liming Zhao, Xiaoming Sun und Patrick Rebentrost, „Quantenklassische Algorithmen für schiefe lineare Systeme mit optimiertem Hadamard-Test“, Physische Überprüfung A 103 4, 042422 (2021).

[94] Lukasz Cincio, Kenneth Rudinger, Mohan Sarovar und Patrick J. Coles, „Maschinelles Lernen rauschresistenter Quantenschaltungen“, arXiv: 2007.01210, (2020).

[95] Michael R. Geller, Zoë Holmes, Patrick J. Coles und Andrew Sornborger, „Experimentelles Quantenlernen einer spektralen Zerlegung“, Physical Review Research 3 3, 033200 (2021).

[96] Yulong Dong und Lin Lin, „Random Circuit Block-Encoded Matrix and a Proposal of Quantum LINPACK Benchmark“, Physische Überprüfung A 103 6, 062412 (2021).

[97] Peter B. Weichman, „Quantenverstärkte Algorithmen für die klassische Zielerkennung in komplexen Umgebungen“, Physische Überprüfung A 103 4, 042424 (2021).

[98] Sayantan Pramanik, M Girish Chandra, CV Sridhar, Aniket Kulkarni, Prabin Sahoo, Vishwa Chethan DV, Hrishikesh Sharma, Ashutosh Paliwal, Vidyut Navelkar, Sudhakara Poojary, Pranav Shah und Manoj Nambiar, „Eine quantenklassische Hybridmethode für Bildklassifizierung und -segmentierung“, arXiv: 2109.14431, (2021).

[99] MR Perelshtein, AI Pakhomchik, AA Melnikov, AA Novikov, A. Glatz, GS Paraoanu, VM Vinokur und GB Lesovik, „Groß angelegte Quantenhybridlösung für lineare Gleichungssysteme“, arXiv: 2003.12770, (2020).

[100] Kok Chuan Tan und Tyler Volkoff, „Variative Quantenalgorithmen zur Schätzung von Rang, Quantenentropien, Wiedergabetreue und Fisher-Informationen durch Reinheitsminimierung“, Physical Review Research 3 3, 033251 (2021).

[101] Xi He, Li Sun, Chufan Lyu und Xiaoting Wang, „Quantum Local Linear Embedding for Nonlinear Dimensionality Reduction“, Quanteninformationsverarbeitung 19 9, 309 (2020).

[102] Davide Orsucci und Vedran Dunjko, „Zur Lösung von Klassen positiv-definitiver quantenlinearer Systeme mit quadratisch verbesserter Laufzeit in der Bedingungszahl“, Quantum 5, 573 (2021).

[103] Guoming Wang, Dax Enshan Koh, Peter D. Johnson und Yudong Cao, „Minimierung der Schätzungslaufzeit auf lauten Quantencomputern“, arXiv: 2006.09350, (2020).

[104] Fan-Xu Meng, Ze-Tong Li, Yu Xu-Tao und Zai-Chen Zhang, „Quantum algorithm for MUSIC-based DOA estimation in hybrid MIMO systems“, Quantenwissenschaft und -technologie 7 2, 025002 (2022).

[105] Manas Sajjan, Junxu Li, Raja Selvarajan, Shree Hari Sureshbabu, Sumit Suresh Kale, Rishabh Gupta, Vinit Singh und Sabre Kais, „Quantum Machine Learning for Chemistry and Physics“, arXiv: 2111.00851, (2021).

[106] MR Perelshtein, AI Pakhomchik, AA Melnikov, AA Novikov, A. Glatz, GS Paraoanu, VM Vinokur und GB Lesovik, „Solving Large-Scale Linear Systems of Equations by a Quantum Hybrid Algorithm“, Annalen der Physik 534 7, 2200082 (2022).

[107] Pranav Gokhale, Samantha Koretsky, Shilin Huang, Swarnadeep Majumder, Andrew Drucker, Kenneth R. Brown und Frederic T. Chong, „Quantum Fan-out: Circuit Optimizations and Technology Modeling“, arXiv: 2007.04246, (2020).

[108] Xi He, "Quantenkorrelationsausrichtung für unbeaufsichtigte Domänenanpassung", Physische Überprüfung A 102 3, 032410 (2020).

[109] Wei-Bin Ewe, Dax Enshan Koh, Siong Thye Goh, Hong-Son Chu und Ching Eng Png, „Variational Quantum-Based Simulation of Waveguide Modes“, IEEE-Transaktionen zu Techniken der Mikrowellentheorie 70 5, 2517 (2022).

[110] Filippo M. Miatto und Nicolás Quesada, „Schnelle Optimierung parametrisierter quantenoptischer Schaltkreise“, Quantum 4, 366 (2020).

[111] Fanxu Meng, „Quantenalgorithmus für die DOA-Schätzung in Hybrid Massive MIMO“, arXiv: 2102.03963, (2021).

[112] Shweta Sahoo, Utkarsh Azad und Harjinder Singh, „Quantenphasenerkennung mithilfe von Quantentensornetzwerken“, European Physical Journal Plus 137 12, 1373 (2022).

[113] Enrico Fontana, M. Cerezo, Andrew Arrasmith, Ivan Rungger und Patrick J. Coles, „Nicht-triviale Symmetrien in Quantenlandschaften und ihre Widerstandsfähigkeit gegenüber Quantenrauschen“, Quantum 6, 804 (2022).

[114] Rishabh Gupta, Manas Sajjan, Raphael D. Levine und Sabre Kais, „Variationsansatz zur Quantenzustandstomographie basierend auf Maximal-Entropie-Formalismus“, Physikalische Chemie Chemische Physik (unter Einbeziehung von Faraday-Transaktionen) 24 47, 28870 (2022).

[115] Youle Wang, Guangxi Li und Xin Wang, „Ein hybrider quantenklassischer Hamilton-Lernalgorithmus“, arXiv: 2103.01061, (2021).

[116] Jinfeng Zeng, Zipeng Wu, Chenfeng Cao, Chao Zhang, Shiyao Hou, Pengxiang Xu und Bei Zeng, „Simulating Noisy Variational Quantum Eigensolver with Local Noise Models“, arXiv: 2010.14821, (2020).

[117] Yipeng Huang, Steven Holtzen, Todd Millstein, Guy Van den Broeck und Margaret Martonosi, „Logical Abstractions for Noisy Variational Quantum Algorithm Simulation“, arXiv: 2103.17226, (2021).

[118] James R. Wootton, Francis Harkins, Nicholas T. Bronn, Almudena Carrera Vazquez, Anna Phan und Abraham T. Asfaw, „Teaching Quantum Computing with an Interactive Textbook“, arXiv: 2012.09629, (2020).

[119] Rolando D. Somma und Yigit Subasi, „Komplexität der Quantenzustandsüberprüfung im Problem linearer Quantensysteme“, arXiv: 2007.15698, (2020).

[120] Ruho Kondo, Yuki Sato, Satoshi Koide, Seiji Kajita und Hideki Takamatsu, „Computationally Efficient Quantum Expectation with Extended Bell Measurements“, Quantum 6, 688 (2022).

[121] Junxiang Xiao, Jingwei Wen, Shijie Wei und Guilu Long, „Rekonstruktion unbekannter Quantenzustände mithilfe der schichtweisen Variationsmethode“, Grenzen der Physik 17 5, 51501 (2022).

[122] Rozhin Eskandarpour, Kumar Ghosh, Amin Khodaei, Liuxi Zhang, Aleksi Paaso und Shay Bahramirad, „Quantum Computing Solution of DC Power Flow“, arXiv: 2010.02442, (2020).

[123] Pedro Rivero, Ian C. Cloët und Zack Sullivan, „Ein optimaler Quanten-Sampling-Regressionsalgorithmus für Variationseigenlösung im Bereich niedriger Qubitzahlen“, arXiv: 2012.02338, (2020).

[124] Xi He, Feiyu Du, Mingyuan Xue, Xiaogang Du, Tao Lei und AK Nandi, „Quantenklassifikatoren für die Domänenanpassung“, arXiv: 2110.02808, (2021).

[125] Maxwell Aifer, Kaelan Donatella, Max Hunter Gordon, Thomas Ahle, Daniel Simpson, Gavin E. Crooks und Patrick J. Coles, „Thermodynamic Linear Algebra“, arXiv: 2308.05660, (2023).

[126] Nicolas Renaud, Pablo Rodríguez-Sánchez, Johan Hidding und P. Chris Broekema, „Quantum Radio Astronomy: Quantum Linear Solvers for Redundant Baseline Calibration“, arXiv: 2310.11932, (2023).

[127] Alexander M. Dalzell, Sam McArdle, Mario Berta, Przemyslaw Bienias, Chi-Fang Chen, András Gilyén, Connor T. Hann, Michael J. Kastoryano, Emil T. Khabiboulline, Aleksander Kubica, Grant Salton, Samson Wang und Fernando GSL Brandão, „Quantenalgorithmen: Eine Übersicht über Anwendungen und End-to-End-Komplexitäten“, arXiv: 2310.03011, (2023).

[128] He-Liang Huang, Xiao-Yue Fehlerminderung, Schaltungszusammenstellung, Benchmarking und klassische Simulation“, Wissenschaft China Physik, Mechanik und Astronomie 66 5, 250302 (2023).

[129] Fatima Ezahra Chrit, Sriharsha Kocherla, Bryan Gard, Eugene F. Dumitrescu, Alexander Alexeev und Spencer H. Bryngelson, „Vollständiger Quantenalgorithmus für Lattice-Boltzmann-Methoden mit Anwendung auf partielle Differentialgleichungen“, arXiv: 2305.07148, (2023).

[130] Yovav Tene-Cohen, Tomer Kelman, Ohad Lev und Adi Makmal, „A Variational Qubit-Efficient MaxCut Heuristic Algorithm“, arXiv: 2308.10383, (2023).

[131] Nic Ezzell, Elliott M. Ball, Aliza U. Siddiqui, Mark M. Wilde, Andrew T. Sornborger, Patrick J. Coles und Zoë Holmes, „Quantum Mixed State Compiling“, Quantenwissenschaft und -technologie 8 3, 035001 (2023).

[132] Sitan Chen, Jordan Cotler, Hsin-Yuan Huang und Jerry Li, „Die Komplexität von NISQ“, Naturkommunikation 14, 6001 (2023).

[133] Anton Simen Albino, Lucas Correia Jardim, Diego Campos Knupp, Antonio Jose Silva Neto, Otto Menegasso Pires und Erick Giovani Sperandio Nascimento, „Lösung partieller Differentialgleichungen auf kurzfristigen Quantencomputern“, arXiv: 2208.05805, (2022).

[134] Alexis Ralli, Tim Weaving, Andrew Tranter, William M. Kirby, Peter J. Love und Peter V. Coveney, „Unitäre Partitionierung und der kontextuelle Unterraum-Variationsquanten-Eigenlöser“, Physical Review Research 5 1, 013095 (2023).

[135] M. Cerezo, Kunal Sharma, Andrew Arrasmith und Patrick J. Coles, „Variational Quantum State Eigensolver“, npj Quanteninformation 8, 113 (2022).

[136] Annie E. Paine, Vincent E. Elfving und Oleksandr Kyriienko, „Quantenkernmethoden zur Lösung von Regressionsproblemen und Differentialgleichungen“, Physische Überprüfung A 107 3, 032428 (2023).

[137] Nishant Saurabh, Shantenu Jha und Andre Luckow, „Eine konzeptionelle Architektur für eine Quantum-HPC-Middleware“, arXiv: 2308.06608, (2023).

[138] Niraj Kumar, Jamie Heredge, Changhao Li, Shaltiel Eloul, Shree Hari Sureshbabu und Marco Pistoia: „Expressive Variational Quantum Circuits bieten inhärente Privatsphäre beim föderierten Lernen“, arXiv: 2309.13002, (2023).

[139] Arun Sehrawat, „Interferometrische Neural Networks“, arXiv: 2310.16742, (2023).

[140] Muhammad AbuGhanem und Hichem Eleuch, „NISQ Computers: A Path to Quantum Supremacy“, arXiv: 2310.01431, (2023).

[141] Ar A. Melnikov, AA Termanova, SV Dolgov, F. Neukart und MR Perelshtein, „Quantum State Preparation Using Tensor Networks“, Quantenwissenschaft und -technologie 8 3, 035027 (2023).

[142] Lorenzo Leone, Salvatore FE Oliviero, Lukasz Cincio und M. Cerezo, „Über den praktischen Nutzen des Hardware Efficient Ansatz“, arXiv: 2211.01477, (2022).

[143] Junpeng Zhan, „Variative Quantensuche mit geringer Tiefe für die unstrukturierte Datenbanksuche“, arXiv: 2212.09505, (2022).

[144] Hao-Kai Zhang, Chengkai Zhu, Geng Liu und Xin Wang, „Grundlegende Einschränkungen der Optimierung in Variationsquantenalgorithmen“, arXiv: 2205.05056, (2022).

[145] Yuki Sato, Hiroshi C. Watanabe, Rudy Raymond, Ruho Kondo, Kaito Wada, Katsuhiro Endo, Michihiko Sugawara und Naoki Yamamoto, „Variationsquantenalgorithmus für verallgemeinerte Eigenwertprobleme und seine Anwendung auf die Finite-Elemente-Methode“, Physische Überprüfung A 108 2, 022429 (2023).

[146] Po-Wei Huang und Patrick Rebentrost, „Postvariative Quantum Neural Networks“, arXiv: 2307.10560, (2023).

[147] Qingyu Li, Yuhan Huang, Xiaokai Hou, Ying Li, Xiaoting Wang und Abolfazl Bayat, „Ensemble-Learning Error Mitigation for Variational Quantum Shallow-Circuit Classifiers“, arXiv: 2301.12707, (2023).

[148] Ze-Tong Li, Fan-Xu Meng, Han Zeng, Zai-Chen Zhang und Xu-Tao Yu, „An Efficient Gradient Sensitive Alternative Framework for VQE with Variable Approach“, arXiv: 2205.03031, (2022).

[149] Mazen Ali und Matthias Kabel, „Performance Study of Variational Quantum Algorithms for Solving the Poisson Equation on a Quantum Computer“, Physische Überprüfung angewendet 20 1, 014054 (2023).

[150] Óscar Amaro und Diogo Cruz, „A Living Review of Quantum Computing for Plasma Physics“, arXiv: 2302.00001, (2023).

[151] Kaito Wada, Rudy Raymond, Yuki Sato und Hiroshi C. Watanabe, „Sequentielle optimale Auswahl eines Single-Qubit-Gatters und seine Beziehung zum unfruchtbaren Plateau in parametrisierten Quantenschaltungen“, arXiv: 2209.08535, (2022).

[152] Katsuhiro Endo, Yuki Sato, Rudy Raymond, Kaito Wada, Naoki Yamamoto und Hiroshi C. Watanabe, „Optimale Parameterkonfigurationen für die sequentielle Optimierung des Variationsquanten-Eigenlösers“, Physical Review Research 5 4, 043136 (2023).

[153] Anne-Solène Bornens und Michel Nowak, „Variationsquantenalgorithmen auf Katzen-Qubits“, arXiv: 2305.14143, (2023).

[154] Brian Coyle, „Maschinelle Lernanwendungen für verrauschte Quantencomputer mittlerer Größe“, arXiv: 2205.09414, (2022).

[155] Reza Mahroo und Amin Kargarian, „Trainable Variational Quantum-Multiblock ADMM Algorithm for Generation Scheduling“, arXiv: 2303.16318, (2023).

[156] Samson Wang, Sam McArdle und Mario Berta, „Qubit-effiziente randomisierte Quantenalgorithmen für die lineare Algebra“, arXiv: 2302.01873, (2023).

[157] NM Guseynov, AA Zhukov, WV Pogosov und AV Lebedev, „Tiefenanalyse von Variationsquantenalgorithmen für die Wärmegleichung“, Physische Überprüfung A 107 5, 052422 (2023).

[158] Simon Cichy, Paul K. Faehrmann, Sumeet Khatri und Jens Eisert, „Nicht-rekursive Störungsgeräte ohne Unterraumbeschränkungen und Anwendungen auf Variationsquantenalgorithmen“, arXiv: 2210.03099, (2022).

[159] Stefano Markidis, „Über physikinformierte neuronale Netze für Quantencomputer“, arXiv: 2209.14754, (2022).

[160] Rishabh Gupta, Raja Selvarajan, Manas Sajjan, Raphael D. Levine und Sabre Kais, „Hamiltonian Learning from Time Dynamics Using Variational Algorithms“, Zeitschrift für Physikalische Chemie A 127 14, 3246 (2023).

[161] Daniel O'Malley, Yigit Subasi, John Golden, Robert Lowrie und Stephan Eidenbenz, „Ein kurzfristiger Quantenalgorithmus zur Lösung linearer Gleichungssysteme basierend auf der Woodbury-Identität“, arXiv: 2205.00645, (2022).

[162] Yulun Wang und Predrag S. Krstić, „Multistate-Übergangsdynamik durch starke zeitabhängige Störung in der NISQ-Ära“, Journal of Physics Communications 7 7, 075004 (2023).

[163] A. Avkhadiev, PE Shanahan und RD Young, „Strategien für die quantenoptimierte Konstruktion interpolierender Operatoren in klassischen Simulationen von Gitterquantenfeldtheorien“, Physische Überprüfung D 107 5, 054507 (2023).

[164] Alistair Letcher, Stefan Woerner und Christa Zoufal, „Von engen Gradientengrenzen für parametrisierte Quantenschaltungen bis zur Abwesenheit unfruchtbarer Plateaus in QGANs“, arXiv: 2309.12681, (2023).

[165] Gabriel Matos, Chris N. Self, Zlatko Papić, Konstantinos Meichanetzidis und Henrik Dreyer, „Characterization of Variational Quantum Algorithms Using Free Fermions“, Quantum 7, 966 (2023).

[166] Yangyang Liu, Zhen Chen, Chang Shu, Patrick Rebentrost, Yaguang Liu, SC Chew, BC Khoo und YD Cui, „Eine auf einem Variationsquantenalgorithmus basierende numerische Methode zur Lösung von Potential- und Stokes-Flüssen“, arXiv: 2303.01805, (2023).

[167] Xi He, Feiyu Du, Mingyuan Xue, Xiaogang Du, Tao Lei und AK Nandi, „Quantenklassifikatoren für die Domänenanpassung“, Quanteninformationsverarbeitung 22 2, 105 (2023).

[168] Ajinkya Borle und Samuel J. Lomonaco, „Wie realisierbar ist Quantenglühen zur Lösung linearer Algebra-Probleme?“, arXiv: 2206.10576, (2022).

[169] Mina Doosti, „Unklonbarkeit und Quantenkryptanalyse: Von den Grundlagen zu Anwendungen“, arXiv: 2210.17545, (2022).

[170] Bujiao Wu, Jinzhao Sun, Qi Huang und Xiao Yuan, „Überlappende Gruppierungsmessung: Ein einheitlicher Rahmen zur Messung von Quantenzuständen“, Quantum 7, 896 (2023).

[171] Dirk Oliver Theis, „Eigentliche“ Verschiebungsregeln für Ableitungen gestörter parametrischer Quantenentwicklungen, Quantum 7, 1052 (2023).

[172] Dylan Herman, Rudy Raymond, Muyuan Li, Nicolas Robles, Antonio Mezzacapo und Marco Pistoia, „Expressivity of Variational Quantum Machine Learning on the Boolean Cube“, arXiv: 2204.05286, (2022).

[173] Francesco Preti, Michael Schilling, Sofiene Jerbi, Lea M. Trenkwalder, Hendrik Poulsen Nautrup, Felix Motzoi und Hans J. Briegel, „Hybride diskret-kontinuierliche Zusammenstellung von Quantenschaltungen gefangener Ionen mit tiefem Verstärkungslernen“, arXiv: 2307.05744, (2023).

[174] Aidan Pellow-Jarman, Ilya Sinayskiy, Anban Pillay und Francesco Petruccione, „Near-Term-Algorithmen für lineare Gleichungssysteme“, Quanteninformationsverarbeitung 22 6, 258 (2023).

[175] Hansheng Jiang, Zuo-Jun Max Shen und Junyu Liu, „Quantum Computing Methods for Supply Chain Management“, arXiv: 2209.08246, (2022).

[176] Pablo Bermejo, Borja Aizpurua und Roman Orus, „Improving Gradient Methods via Coordinate Transformations: Applications to Quantum Machine Learning“, arXiv: 2304.06768, (2023).

[177] Junyu Liu, Han Zheng, Masanori Hanada, Kanav Setia und Dan Wu, „Quantum Power Flows: From Theory to Practice“, arXiv: 2211.05728, (2022).

[178] Stefano Mangini, Alessia Marruzzo, Marco Piantanida, Dario Gerace, Daniele Bajoni und Chiara Macchiavello, „Quantum Neural Network Autoencoder und Classifier angewendet auf eine industrielle Fallstudie“, arXiv: 2205.04127, (2022).

[179] Leonardo Zambrano, Andrés Damián Muñoz-Moller, Mario Muñoz, Luciano Pereira und Aldo Delgado, „Vermeidung unfruchtbarer Plateaus bei der Variationsbestimmung geometrischer Verschränkung“, arXiv: 2304.13388, (2023).

[180] Payal Kaushik, Sayantan Pramanik, M Girish Chandra und CV Sridhar, „One-Step Time Series Forecasting Using Variational Quantum Circuits“, arXiv: 2207.07982, (2022).

[181] Jessie M. Henderson, Marianna Podzorova, M. Cerezo, John K. Golden, Leonard Gleyzer, Hari S. Viswanathan und Daniel O'Malley, „Quantum Algorithms for Geologic Fracture Networks“, arXiv: 2210.11685, (2022).

[182] Shao-Hen Chiew und Leong-Chuan Kwek, „Skalierbare Quantenberechnung hocherregter Eigenzustände mit Spektraltransformationen“, arXiv: 2302.06638, (2023).

[183] ​​Anton Simen Albino, Otto Menegasso Pires, Peterson Nogueira, Renato Ferreira de Souza und Erick Giovani Sperandio Nascimento, „Quantum Computational Intelligence for Traveltime Seismic Inversion“, arXiv: 2208.05794, (2022).

[184] Jessie M. Henderson, Marianna Podzorova, M. Cerezo, John K. Golden, Leonard Gleyzer, Hari S. Viswanathan und Daniel O'Malley, „Quantenalgorithmen für geologische Bruchnetzwerke“, Wissenschaftliche Berichte 13, 2906 (2023).

[185] Merey M. Sarsengeldin, „Ein hybrides klassisches Quanten-Framework zur Lösung freier Randwertprobleme und Anwendungen bei der Modellierung elektrischer Kontaktphänomene“, arXiv: 2205.02230, (2022).

[186] Oliver Knitter, James Stokes und Shravan Veerapaneni, „Toward Neural Network Simulation of Variational Quantum Algorithms“, arXiv: 2211.02929, (2022).

[187] Benjamin Wu, Hrushikesh Patil und Predrag Krstic, „Auswirkung von Matrixsparsity und Quantenrauschen auf Quanten-Random-Walk-Linearlöser“, arXiv: 2205.14180, (2022).

[188] Xiaodong Xing, Alejandro Gomez Cadavid, Artur F. Izmaylov und Timur V. Tscherbul, „Ein hybrider quantenklassischer Algorithmus für die Mehrkanal-Quantenstreuung von Atomen und Molekülen“, arXiv: 2304.06089, (2023).

[189] Nicolas PD Sawaya und Joonsuk Huh, „Verbesserte ressourcenabstimmbare kurzfristige Quantenalgorithmen für Übergangswahrscheinlichkeiten, mit Anwendungen in der Physik und der Variationsquantenlinearalgebra“, arXiv: 2206.14213, (2022).

[190] Ruimin Shang, Zhimin Wang, Shangshang Shi, Jiaxin Li, Yanan Li und Yongjian Gu, „Algorithmus zur Simulation der Ozeanzirkulation auf einem Quantencomputer“, Wissenschaft China Geowissenschaften 66 10, 2254 (2023).

[191] Hyeong-Gyu Kim, Siheon Park und June-Koo Kevin Rhee, „Variational Quantum Approximate Spectral Clustering for Binary Clustering Problems“, arXiv: 2309.04465, (2023).

[192] Tianxiang Yue, Chenchen Wu, Yi Liu, Zhengping Du, Na Zhao, Yimeng Jiao, Zhe Xu und Wenjiao Shi, „HASM Quantum Machine Learning“, Wissenschaft China Geowissenschaften 66 9, 1937 (2023).

[193] Benjamin YL Tan, Beng Yee Gan, Daniel Leykam und Dimitris G. Angelakis, „Landscape Approximation of Low Energy Solutions to Binary Optimization Problems“, arXiv: 2307.02461, (2023).

[194] Marco Schumann, Frank K. Wilhelm und Alessandro Ciani, „Emergence of Noise-Induced Barren Plateaus in Arbitrary Layered Noise Models“, arXiv: 2310.08405, (2023).

[195] Sanjay Suresh und Krishnan Suresh, „Computing a Sparse Approximate Inverse on Quantum Annealing Machines“, arXiv: 2310.02388, (2023).

[196] Po-Wei Huang, Xiufan Li, Kelvin Koor und Patrick Rebentrost, „Hybride quantenklassische und quanteninspirierte klassische Algorithmen zur Lösung gebänderter zirkulanter linearer Systeme“, arXiv: 2309.11451, (2023).

[197] Dingjie Lu, Zhao Wang, Jun Liu, Yangfan Li, Wei-Bin Ewe und Zhuangjian Liu, „Von Ad-hoc zu systematisch: Eine Strategie zur Durchsetzung allgemeiner Randbedingungen in diskretisierten PDEs in Variationsquantenalgorithmen“, arXiv: 2310.11764, (2023).

[198] Oxana Shaya, „Wann könnten NISQ-Algorithmen beginnen, Mehrwert in der diskreten Fertigung zu schaffen?“, arXiv: 2209.09650, (2022).

[199] Yoshiyuki Saito, Xinwei Lee, Dongsheng Cai und Nobuyoshi Asai, „Quantum Multi-Resolution Measurement with application to Quantum Linear Solver“, arXiv: 2304.05960, (2023).

[200] Yunya Liu, Jiakun Liu, Jordan R. Raney und Pai Wang, „Quantum Computing for Solid Mechanics and Structural Engineering – a Demonstration with Variational Quantum Eigensolver“, arXiv: 2308.14745, (2023).

[201] Akash Kundu, Ludmila Botelho und Adam Glos, „Hamiltonian-Oriented Homotopy QAOA“, arXiv: 2301.13170, (2023).

[202] Minati Rath und Hema Date, „Quantum-Assisted Simulation: A Framework for Design Machine Learning Models in the Quantum Computing Domain“, arXiv: 2311.10363, (2023).

Die obigen Zitate stammen von SAO / NASA ADS (Zuletzt erfolgreich aktualisiert am 2023, 11:22:11 Uhr). Die Liste ist möglicherweise unvollständig, da nicht alle Verlage geeignete und vollständige Zitationsdaten bereitstellen.

Konnte nicht abrufen Crossref zitiert von Daten während des letzten Versuchs 2023-11-22 11:14:20: Von Crossref konnten keine zitierten Daten für 10.22331 / q-2023-11-22-1188 abgerufen werden. Dies ist normal, wenn der DOI kürzlich registriert wurde.

Dieses Papier ist in Quantum unter dem veröffentlicht Creative Commons Namensnennung 4.0 International (CC BY 4.0) Lizenz. Das Copyright verbleibt bei den ursprünglichen Copyright-Inhabern wie den Autoren oder deren Institutionen.

Zeitstempel:

Mehr von Quantenjournal