1Departamento de Física “JJ Giambiagi” e IFIBA, FCEyN, Universidad de Buenos Aires, 1428 Buenos Aires, Argentina
2Divisione Teorica, Los Alamos National Laboratory, Los Alamos, New Mexico 87545, USA
3Hearne Institute for Theoretical Physics e Dipartimento di Fisica e Astronomia, Louisiana State University, Baton Rouge, LA USA
4Scienze dell'informazione, Los Alamos National Laboratory, Los Alamos, NM 87545, USA
5Centro per gli studi non lineari, Los Alamos National Laboratory, Los Alamos, New Mexico 87545, USA
Trovi questo documento interessante o vuoi discuterne? Scrivi o lascia un commento su SciRate.
Astratto
Gli algoritmi quantistici variazionali (VQA) hanno ricevuto notevole attenzione a causa del loro potenziale per ottenere un vantaggio quantistico a breve termine. Tuttavia, è necessario più lavoro per comprendere la loro scalabilità. Un risultato di ridimensionamento noto per i VQA sono gli altipiani sterili, in cui determinate circostanze portano a gradienti che scompaiono esponenzialmente. È folklore comune che gli ansatze ispirati ai problemi evitino gli altipiani aridi, ma in realtà si sa molto poco sul loro ridimensionamento del gradiente. In questo lavoro utilizziamo strumenti dal controllo quantistico ottimale per sviluppare un framework in grado di diagnosticare la presenza o l'assenza di plateau sterili per ansatze ispirati a problemi. Tali ansatz includono il Quantum Alternating Operator Ansatz (QAOA), l'Hamiltonian Variational Ansatz (HVA) e altri. Con il nostro quadro, dimostriamo che evitare altipiani aridi per questi ansatze non è sempre garantito. In particolare, mostriamo che il gradient scaling del VQA dipende dal grado di controllabilità del sistema, e quindi può essere diagnosticato attraverso l'algebra dinamica di Lie $mathfrak{g}$ ottenuta dai generatori dell'ansatz. Analizziamo l'esistenza di altipiani aridi negli ansatze di QAOA e HVA e sottolineiamo il ruolo dello stato di input, poiché diversi stati iniziali possono portare alla presenza o all'assenza di altipiani aridi. Presi insieme, i nostri risultati forniscono un quadro per strategie di progettazione ansatz consapevoli della formazione che non hanno il costo di risorse quantistiche aggiuntive. Inoltre, dimostriamo risultati no-go per ottenere stati fondamentali con ansatze variazionali per sistemi controllabili come gli spin glass. Il nostro lavoro stabilisce un collegamento tra l'esistenza di altipiani sterili e il ridimensionamento della dimensione di $mathfrak{g}$.
Immagine di primo piano: il nostro risultato collega la presenza o l'assenza di plateau sterili con la dimensione della cosiddetta algebra di Lie dinamica.
Riepilogo popolare
► dati BibTeX
► Riferimenti
, Peter W.Shor. Algoritmi per il calcolo quantistico: logaritmi discreti e factoring. In Atti 35° simposio annuale sui fondamenti dell'informatica, pagine 124–134. Ieee, 1994. 10.1109/SFCS.1994.365700. URL https://ieeexplore.ieee.org/document/365700.
https: / / doi.org/ 10.1109 / SFCS.1994.365700
https: / / ieeexplore.ieee.org/ documento / 365700
, Aram W Harrow, Avinatan Hassidim e Seth Lloyd. Algoritmo quantistico per sistemi lineari di equazioni. Lettere di revisione fisica, 103 (15): 150502, 2009. 10.1103/PhysRevLett.103.150502. URL https://journals.aps.org/prl/abstract/10.1103/PhysRevLett.103.150502.
https: / / doi.org/ 10.1103 / PhysRevLett.103.150502
, Dominic W Berry, Andrew M Childs, Richard Cleve, Robin Kothari e Rolando D Somma. Simulazione della dinamica hamiltoniana con una serie troncata di taylor. Lettere di revisione fisica, 114 (9): 090502, 2015. 10.1103/PhysRevLett.114.090502. URL https://journals.aps.org/prl/abstract/10.1103/PhysRevLett.114.090502.
https: / / doi.org/ 10.1103 / PhysRevLett.114.090502
, Iulia M Georgescu, Sahel Ashhab e Franco Nori. Simulazione quantistica. Recensioni di fisica moderna, 86 (1): 153, 2014. 10.1103/RevModPhys.86.153. URL https://journals.aps.org/rmp/abstract/10.1103/RevModPhys.86.153.
https: / / doi.org/ 10.1103 / RevModPhys.86.153
, Giovanni Preskill. Il calcolo quantistico nell'era nisq e oltre. Quantum, 2: 79, 2018. 10.22331/q-2018-08-06-79. URL https://quantum-journal.org/papers/q-2018-08-06-79/.
https://doi.org/10.22331/q-2018-08-06-79
https: / / quantum-journal.org/ carte / q-2018-08-06-79 /
, M. Cerezo, Andrew Arrasmith, Ryan Babbush, Simon C Benjamin, Suguru Endo, Keisuke Fujii, Jarrod R McClean, Kosuke Mitarai, Xiao Yuan, Lukasz Cincio e Patrick J. Coles. Algoritmi quantistici variazionali. Fisica delle recensioni sulla natura, 3 (1): 625–644, 2021a. 10.1038/s42254-021-00348-9. URL https://www.nature.com/articles/s42254-021-00348-9.
https://doi.org/10.1038/s42254-021-00348-9
https: / / www.nature.com/ articoli / s42254-021-00348-9
, Carlos Bravo-Prieto, Ryan LaRose, M. Cerezo, Yigit Subasi, Lukasz Cincio e Patrick Coles. Risolutore lineare quantistico variazionale. prestampa di arXiv arXiv:1909.05820, 2019. URL https://arxiv.org/abs/1909.05820.
arXiv: 1909.05820
, Hsin-Yuan Huang, Kishor Bharti e Patrick Rebentrost. Algoritmi quantistici a breve termine per sistemi lineari di equazioni. arXiv preprint arXiv:1909.07344, 2019. URL https://arxiv.org/abs/1909.07344.
arXiv: 1909.07344
, Xiaosi Xu, Jinzhao Sun, Suguru Endo, Ying Li, Simon C Benjamin e Xiao Yuan. Algoritmi variazionali per l'algebra lineare. Bollettino scientifico, 66 (21): 2181–2188, 2021. 10.1016/j.scib.2021.06.023. URL https://www.sciencedirect.com/science/article/pii/S2095927321004631.
https: / / doi.org/ 10.1016 / j.scib.2021.06.023
https: / / www.sciencedirect.com/ science / article / pii / S2095927321004631
, Sam McArdle, Tyson Jones, Suguru Endo, Ying Li, Simon C Benjamin e Xiao Yuan. Simulazione quantistica variazionale basata su ansatz dell'evoluzione temporale immaginaria. npj Quantum Information, 5 (1): 1–6, 2019. 10.1038/s41534-019-0187-2. URL https://www.nature.com/articles/s41534-019-0187-2.
https://doi.org/10.1038/s41534-019-0187-2
https: / / www.nature.com/ articoli / s41534-019-0187-2
, Harper R Grimsley, Sophia E Economou, Edwin Barnes e Nicholas J Mayhall. Un algoritmo variazionale adattivo per simulazioni molecolari esatte su un computer quantistico. Comunicazioni sulla natura, 10 (1): 1–9, 2019. 10.1038/s41467-019-10988-2. URL https://www.nature.com/articles/s41467-019-10988-2.
https://doi.org/10.1038/s41467-019-10988-2
https: / / www.nature.com/ articoli / s41467-019-10988-2
, Cristina Cirstoiu, Zoe Holmes, Joseph Iosue, Lukasz Cincio, Patrick J. Coles e Andrew Sornborger. Fast forwarding variazionale per la simulazione quantistica oltre il tempo di coerenza. npj Informazioni quantistiche, 6 (1): 1–10, 2020. 10.1038/s41534-020-00302-0. URL https://www.nature.com/articles/s41534-020-00302-0.
https://doi.org/10.1038/s41534-020-00302-0
https: / / www.nature.com/ articoli / s41534-020-00302-0
, Benjamin Commeau, M. Cerezo, Zoë Holmes, Lukasz Cincio, Patrick J. Coles e Andrew Sornborger. La diagonalizzazione hamiltoniana variazionale per la simulazione quantistica dinamica. prestampa di arXiv arXiv:2009.02559, 2020. URL https://arxiv.org/abs/2009.02559.
arXiv: 2009.02559
, Joe Gibbs, Kaitlin Gili, Zoë Holmes, Benjamin Commeau, Andrew Arrasmith, Lukasz Cincio, Patrick J. Coles e Andrew Sornborger. Simulazioni a lungo termine con alta fedeltà su hardware quantistico. prestampa di arXiv arXiv:2102.04313, 2021. URL https://arxiv.org/abs/2102.04313.
arXiv: 2102.04313
, Yong-Xin Yao, Niladri Gomes, Feng Zhang, Cai-Zhuang Wang, Kai-Ming Ho, Thomas Iadecola e Peter P Orth. Simulazioni di dinamica quantistica variazionale adattativa. PRX Quantum, 2 (3): 030307, 2021. 10.1103/PRXQuantum.2.030307. URL https://journals.aps.org/prxquantum/abstract/10.1103/PRXQuantum.2.030307.
https: / / doi.org/ 10.1103 / PRXQuantum.2.030307
, Suguru Endo, Jinzhao Sun, Ying Li, Simon C Benjamin e Xiao Yuan. Simulazione quantistica variazionale di processi generali. Lettere di revisione fisica, 125 (1): 010501, 2020. 10.1103/PhysRevLett.125.010501. URL https://journals.aps.org/prl/abstract/10.1103/PhysRevLett.125.010501.
https: / / doi.org/ 10.1103 / PhysRevLett.125.010501
, Jonathan Wei Zhong Lau, Kishor Bharti, Tobias Haug e Leong Chuan Kwek. Simulazione quantistica assistita di hamiltoniani dipendenti dal tempo. prestampa di arXiv arXiv:2101.07677, 2021. URL https://arxiv.org/abs/2101.07677.
arXiv: 2101.07677
, Alberto Peruzzo, Jarrod McClean, Peter Shadbolt, Man-Hong Yung, Xiao-Qi Zhou, Peter J Love, Alán Aspuru-Guzik e Jeremy L O'brien. Un risolutore di autovalori variazionali su un processore quantistico fotonico. Comunicazioni sulla natura, 5 (1): 1–7, 2014. doi.org/10.1038/ncomms5213. URL https://www.nature.com/articles/ncomms5213#citeas.
https: / / doi.org/ 10.1038 / ncomms5213
https:///www.nature.com/articles/ncomms5213#citeas
, Edward Farhi, Jeffrey Goldstone e Sam Gutmann. Un algoritmo di ottimizzazione approssimata quantistica. arXiv prestampa arXiv:1411.4028, 2014. URL https://arxiv.org/abs/1411.4028.
arXiv: 1411.4028
, Jarrod R McClean, Jonathan Romero, Ryan Babbush e Alán Aspuru-Guzik. La teoria degli algoritmi ibridi variazionali quantistici-classici. New Journal of Physics, 18 (2): 023023, 2016. 10.1007/978-94-015-8330-5_4. URL https://iopscience.iop.org/article/10.1088/1367-2630/18/2/023023.
https://doi.org/10.1007/978-94-015-8330-5_4
https://iopscience.iop.org/article/10.1088/1367-2630/18/2/023023
, Sumeet Khatri, Ryan LaRose, Alexander Poremba, Lukasz Cincio, Andrew T Sornborger e Patrick J Coles. Compilazione quantistica quantistica. Quantum, 3: 140, 2019. 10.22331/q-2019-05-13-140. URL https://quantum-journal.org/papers/q-2019-05-13-140/.
https://doi.org/10.22331/q-2019-05-13-140
https: / / quantum-journal.org/ carte / q-2019-05-13-140 /
, Jonathan Romero, Jonathan P Olson e Alan Aspuru-Guzik. Autoencoder quantistici per una compressione efficiente di dati quantistici. Scienza e tecnologia quantistica, 2 (4): 045001, 2017. 10.1088/2058-9565/aa8072. URL https://iopscience.iop.org/article/10.1088/2058-9565/aa8072.
https: / / doi.org/ 10.1088 / 2058-9565 / aa8072
, Ryan LaRose, Arkin Tikku, Étude O'Neel-Judy, Lukasz Cincio e Patrick J Coles. Diagonizzazione dello stato quantistico variazionale. npj Quantum Information, 5 (1): 1–10, 2019. 10.1038/s41534-019-0167-6. URL https://www.nature.com/articles/s41534-019-0167-6.
https://doi.org/10.1038/s41534-019-0167-6
https: / / www.nature.com/ articoli / s41534-019-0167-6
, Andrew Arrasmith, Lukasz Cincio, Andrew T Sornborger, Wojciech H Zurek e Patrick J Coles. Storie variazionali coerenti come algoritmo ibrido per fondamenti quantistici. Comunicazioni sulla natura, 10 (1): 1–7, 2019. 10.1038/s41467-019-11417-0. URL https://www.nature.com/articles/s41467-019-11417-0.
https://doi.org/10.1038/s41467-019-11417-0
https: / / www.nature.com/ articoli / s41467-019-11417-0
, M. Cerezo, Alexander Poremba, Lukasz Cincio e Patrick J. Coles. Stima della fedeltà quantistica variazionale. Quantum, 4: 248, 2020. 10.22331/q-2020-03-26-248. URL https://quantum-journal.org/papers/q-2020-03-26-248/.
https://doi.org/10.22331/q-2020-03-26-248
https: / / quantum-journal.org/ carte / q-2020-03-26-248 /
, Y. Li e SC Benjamin. Efficiente simulatore quantistico variazionale che incorpora la minimizzazione dell'errore attivo. Phys. Rev. X, 7: 021050, giugno 2017. 10.1103/PhysRevX.7.021050. URL https://link.aps.org/doi/10.1103/PhysRevX.7.021050.
https: / / doi.org/ 10.1103 / PhysRevX.7.021050
, Kentaro Heya, Ken M Nakanishi, Kosuke Mitarai e Keisuke Fujii. Simulatore quantistico variazionale subspaziale. prestampa di arXiv arXiv:1904.08566, 2019. URL https://arxiv.org/abs/1904.08566.
arXiv: 1904.08566
, Kishor Bharti e Tobias Haug. Simulatore quantistico. Revisione fisica A, 104 (4): 042418, 2021. 10.1103/PhysRevA.104.042418. URL https://journals.aps.org/pra/abstract/10.1103/PhysRevA.104.042418.
https: / / doi.org/ 10.1103 / PhysRevA.104.042418
, M. Cerezo, Kunal Sharma, Andrew Arrasmith e Patrick J Coles. Autosolutore di stato quantistico variazionale. npj Quantum Information, 8 (1): 1–11, 2022. 10.1038/s41534-022-00611-6. URL https://doi.org/10.1038/s41534-022-00611-6.
https://doi.org/10.1038/s41534-022-00611-6
, Jacob L. Beckey, M. Cerezo, Akira Sone e Patrick J. Coles. Algoritmo quantistico variazionale per la stima dell'informazione quantistica di Fisher. Physical Review Research, 4 (1): 013083, 2022. 10.1103/PhysRevResearch.4.013083. URL https://journals.aps.org/prresearch/abstract/10.1103/PhysRevResearch.4.013083.
https: / / doi.org/ 10.1103 / PhysRevResearch.4.013083
, Lennart Bittel e Martin Kliesch. L'addestramento di algoritmi quantistici variazionali è np-difficile. Phys. Rev. Lett., 127: 120502, settembre 2021. 10.1103/PhysRevLett.127.120502. URL https://link.aps.org/doi/10.1103/PhysRevLett.127.120502.
https: / / doi.org/ 10.1103 / PhysRevLett.127.120502
, Kosuke Mitarai, Makoto Negoro, Masahiro Kitagawa e Keisuke Fujii. Apprendimento del circuito quantistico. Revisione fisica A, 98 (3): 032309, 2018. 10.1103/PhysRevA.98.032309. URL https://journals.aps.org/pra/abstract/10.1103/PhysRevA.98.032309.
https: / / doi.org/ 10.1103 / PhysRevA.98.032309
, Maria Schuld, Ville Bergholm, Christian Gogolin, Josh Izaac e Nathan Killoran. Valutazione dei gradienti analitici su hardware quantistico. Revisione fisica A, 99 (3): 032331, 2019. 10.1103/PhysRevA.99.032331. URL https://journals.aps.org/pra/abstract/10.1103/PhysRevA.99.032331.
https: / / doi.org/ 10.1103 / PhysRevA.99.032331
, Jonas M. Kübler, Andrew Arrasmith, Lukasz Cincio e Patrick J. Coles. Un ottimizzatore adattivo per algoritmi variazionali misura-frugali. Quantum, 4: 263, 2020. 10.22331/q-2020-05-11-263. URL https://quantum-journal.org/papers/q-2020-05-11-263/.
https://doi.org/10.22331/q-2020-05-11-263
https: / / quantum-journal.org/ carte / q-2020-05-11-263 /
, James Stokes, Josh Izaac, Nathan Killoran e Giuseppe Carleo. Gradiente quantistico naturale. Quantum, 4: 269, 2020. 10.22331/q-2020-05-25-269. URL https://quantum-journal.org/papers/q-2020-05-25-269/.
https://doi.org/10.22331/q-2020-05-25-269
https: / / quantum-journal.org/ carte / q-2020-05-25-269 /
, Andrew Arrasmith, Lukasz Cincio, Rolando D Somma e Patrick J Coles. Campionamento dell'operatore per l'ottimizzazione del colpo frugale in algoritmi variazionali. prestampa di arXiv arXiv:2004.06252, 2020. URL https://arxiv.org/abs/2004.06252.
arXiv: 2004.06252
, Jarrod R McClean, Sergio Boixo, Vadim N Smelyanskiy, Ryan Babbush e Hartmut Neven. Altipiani sterili nei paesaggi di addestramento della rete neurale quantistica. Comunicazioni sulla natura, 9 (1): 1–6, 2018. 10.1038/s41467-018-07090-4. URL https://www.nature.com/articles/s41467-018-07090-4.
https://doi.org/10.1038/s41467-018-07090-4
https: / / www.nature.com/ articoli / s41467-018-07090-4
, M. Cerezo, Akira Sone, Tyler Volkoff, Lukasz Cincio e Patrick J Coles. Plateau sterili dipendenti dalla funzione di costo in circuiti quantistici parametrizzati poco profondi. Comunicazioni sulla natura, 12 (1): 1–12, 2021b. 10.1038/s41467-021-21728-w. URL https://www.nature.com/articles/s41467-021-21728-w.
https: / / doi.org/ 10.1038 / s41467-021-21728-w
https:///www.nature.com/articles/s41467-021-21728-w
, Samson Wang, Enrico Fontana, M. Cerezo, Kunal Sharma, Akira Sone, Lukasz Cincio e Patrick J Coles. Plateau sterili indotti dal rumore negli algoritmi quantistici variazionali. Comunicazioni sulla natura, 12 (1): 1–11, 2021. 10.1038/s41467-021-27045-6. URL https://www.nature.com/articles/s41467-021-27045-6.
https://doi.org/10.1038/s41467-021-27045-6
https: / / www.nature.com/ articoli / s41467-021-27045-6
, M. Cerezo e Patrick J. Coles. Derivati di ordine superiore di reti neurali quantistiche con plateau sterili. Scienza e tecnologia quantistica, 6 (2): 035006, 2021. 10.1088/2058-9565/abf51a. URL https://iopscience.iop.org/article/10.1088/2058-9565/abf51a.
https:///doi.org/10.1088/2058-9565/abf51a
, Kunal Sharma, M. Cerezo, Lukasz Cincio e Patrick J. Coles. Addestrabilità di reti neurali quantistiche basate sul perceptron dissipativo. Lettere di revisione fisica, 128 (18): 180505, 2022. 10.1103/PhysRevLett.128.180505.
https: / / doi.org/ 10.1103 / PhysRevLett.128.180505
, Andrew Arrasmith, M. Cerezo, Piotr Czarnik, Lukasz Cincio e Patrick J Coles. Effetto degli altipiani sterili sull'ottimizzazione senza gradiente. Quantum, 5: 558, 2021. 10.22331/q-2021-10-05-558. URL https://quantum-journal.org/papers/q-2021-10-05-558/.
https://doi.org/10.22331/q-2021-10-05-558
https: / / quantum-journal.org/ carte / q-2021-10-05-558 /
, Zoë Holmes, Andrew Arrasmith, Bin Yan, Patrick J. Coles, Andreas Albrecht e Andrew T Sornborger. Gli altipiani aridi precludono l'apprendimento degli scrambler. Lettere di revisione fisica, 126 (19): 190501, 2021. 10.1103/PhysRevLett.126.190501. URL https://journals.aps.org/prl/abstract/10.1103/PhysRevLett.126.190501.
https: / / doi.org/ 10.1103 / PhysRevLett.126.190501
, Carlos Ortiz Marrero, Maria Kieferová e Nathan Wiebe. Altopiani sterili indotti da entanglement. PRX Quantum, 2 (4): 040316, 2021. 10.1103/PRXQuantum.2.040316. URL https://journals.aps.org/prxquantum/abstract/10.1103/PRXQuantum.2.040316.
https: / / doi.org/ 10.1103 / PRXQuantum.2.040316
, Taylor L Patti, Khadijeh Najafi, Xun Gao e Susanne F Yelin. L'entanglement ha ideato la mitigazione dell'altopiano sterile. Physical Review Research, 3 (3): 033090, 2021. 10.1103/PhysRevResearch.3.033090. URL https://par.nsf.gov/servlets/purl/10328786.
https: / / doi.org/ 10.1103 / PhysRevResearch.3.033090
https:///par.nsf.gov/servlets/purl/10328786
, Arthur Pesah, M. Cerezo, Samson Wang, Tyler Volkoff, Andrew T Sornborger e Patrick J Coles. Assenza di plateau sterili nelle reti neurali convoluzionali quantistiche. Revisione fisica X, 11 (4): 041011, 2021. 10.1103/PhysRevX.11.041011. URL https://journals.aps.org/prx/abstract/10.1103/PhysRevX.11.041011.
https: / / doi.org/ 10.1103 / PhysRevX.11.041011
, Zoë Holmes, Kunal Sharma, M. Cerezo e Patrick J Coles. Collegamento dell'esprimibilità di ansatz alle magnitudini del gradiente e agli altipiani aridi. PRX Quantum, 3: 010313, gennaio 2022. 10.1103/PRXQuantum.3.010313. URL https://link.aps.org/doi/10.1103/PRXQuantum.3.010313.
https: / / doi.org/ 10.1103 / PRXQuantum.3.010313
, Andrew Arrasmith, Zoë Holmes, Marco Cerezo e Patrick J Coles. Equivalenza degli altipiani aridi quantistici alla concentrazione dei costi e alle gole strette. Scienza e tecnologia quantistica, 7 (4): 045015, 2022. 10.1088/2058-9565/ac7d06. URL https://iopscience.iop.org/article/10.1088/2058-9565/ac7d06.
https://doi.org/10.1088/2058-9565/ac7d06
, M. Cerezo, Akira Sone, Tyler Volkoff, Lukasz Cincio e Patrick J Coles. Plateau sterili dipendenti dalla funzione di costo in circuiti quantistici parametrizzati poco profondi. Comunicazioni sulla natura, 12 (1): 1–12, 2021c. 10.1038/s41467-021-21728-w. URL https://www.nature.com/articles/s41467-021-21728-w.
https: / / doi.org/ 10.1038 / s41467-021-21728-w
https:///www.nature.com/articles/s41467-021-21728-w
, AV Uvarov e Jacob D. Bimonte. Sugli altipiani sterili e sulla località della funzione di costo negli algoritmi quantistici variazionali. Journal of Physics A: Mathematical and Theoretical, 54 (24): 245301, 2021. 10.1088/1751-8121/abfac7. URL https://doi.org/10.1088/1751-8121/abfac7.
https: / / doi.org/ 10.1088 / 1751-8121 / abfac7
, Tyler Volkoff e Patrick J. Coles. Grandi gradienti tramite correlazione in circuiti quantistici parametrizzati casuali. Scienza e tecnologia quantistica, 6 (2): 025008, 2021. 10.1088/2058-9565/abd89. URL https://iopscience.iop.org/article/10.1088/2058-9565/abd891.
https:///doi.org/10.1088/2058-9565/abd89
, Guillaume Verdon, Michael Broughton, Jarrod R McClean, Kevin J Sung, Ryan Babbush, Zhang Jiang, Hartmut Neven e Masoud Mohseni. Imparare ad apprendere con le reti neurali quantistiche tramite le reti neurali classiche. prestampa di arXiv arXiv:1907.05415, 2019. URL https://arxiv.org/abs/1907.05415.
arXiv: 1907.05415
, Edward Grant, Leonard Wossnig, Mateusz Ostaszewski e Marcello Benedetti. Una strategia di inizializzazione per affrontare i plateau sterili nei circuiti quantistici parametrizzati. Quantum, 3: 214, 2019. 10.22331/q-2019-12-09-214. URL https://quantum-journal.org/papers/q-2019-12-09-214/.
https://doi.org/10.22331/q-2019-12-09-214
https: / / quantum-journal.org/ carte / q-2019-12-09-214 /
, Andrea Skolik, Jarrod R McClean, Masoud Mohseni, Patrick van der Smagt e Martin Leib. Apprendimento a strati per reti neurali quantistiche. Quantum Machine Intelligence, 3 (1): 1–11, 2021. 10.1007/s42484-020-00036-4. URL https://doi.org/10.1007/s42484-020-00036-4.
https://doi.org/10.1007/s42484-020-00036-4
, M. Bilkis, M. Cerezo, Guillaume Verdon, Patrick J. Coles e Lukasz Cincio. Un ansatz semi-agnostico con struttura variabile per l'apprendimento automatico quantistico. prestampa di arXiv arXiv:2103.06712, 2021. URL https://arxiv.org/abs/2103.06712.
arXiv: 2103.06712
, Alicia B Magann, Christian Arenz, Matthew D Grace, Tak-San Ho, Robert L Kosut, Jarrod R McClean, Herschel A Rabitz e Mohan Sarovar. Dagli impulsi ai circuiti e viceversa: una prospettiva di controllo quantistico ottimale sugli algoritmi quantistici variazionali. PRX Quantum, 2 (1): 010101, 2021. https://doi.org/10.1103/PRXQuantum.2.010101. URL https://journals.aps.org/prxquantum/abstract/10.1103/PRXQuantum.2.010101.
https: / / doi.org/ 10.1103 / PRXQuantum.2.010101
, Stuart Hadfield, Zhihui Wang, Bryan O'Gorman, Eleanor G Rieffel, Davide Venturelli e Rupak Biswas. Dall'algoritmo di ottimizzazione approssimata quantistica a un operatore alternato quantistico ansatz. Algoritmi, 12 (2): 34, 2019. 10.3390/a12020034. URL https://www.mdpi.com/1999-4893/12/2/34.
https: / / doi.org/ 10.3390 / a12020034
https://www.mdpi.com/1999-4893/12/2/34
, Dave Wecker, Matthew B. Hastings e Matthias Troyer. Progressi verso algoritmi variazionali quantistici pratici. Revisione fisica A, 92: 042303, ottobre 2015. 10.1103/PhysRevA.92.042303. URL https://link.aps.org/doi/10.1103/PhysRevA.92.042303.
https: / / doi.org/ 10.1103 / PhysRevA.92.042303
, Roeland Wiersema, Cunlu Zhou, Yvette de Sereville, Juan Felipe Carrasquilla, Yong Baek Kim e Henry Yuen. Esplorazione dell'entanglement e dell'ottimizzazione all'interno dell'ansatz variazionale hamiltoniano. PRX Quantum, 1 (2): 020319, 2020. 10.1103/PRX Quantum.1.020319. URL https://journals.aps.org/prxquantum/abstract/10.1103/PRXQuantum.1.020319.
https: / / doi.org/ 10.1103 / PRXQuantum.1.020319
, Linghua Zhu, Ho Lun Tang, George S Barron, Nicholas J Mayhall, Edwin Barnes e Sophia E Economou. Algoritmo di ottimizzazione approssimata quantistica adattativa per la risoluzione di problemi combinatori su un computer quantistico. Physical Review Research, 4 (3): 033029, 2022. 10.1103/PhysRevResearch.4.033029. URL https://journals.aps.org/prresearch/abstract/10.1103/PhysRevResearch.4.033029.
https: / / doi.org/ 10.1103 / PhysRevResearch.4.033029
, Alexandre Choquette, Agustin Di Paolo, Panagiotis Kl Barkoutsos, David Sénéchal, Ivano Tavernelli e Alexandre Blais. Ansatz ispirato al controllo quantistico per algoritmi quantistici variazionali. Physical Review Research, 3 (2): 023092, 2021. 10.1103/PhysRevResearch.3.023092. URL https://journals.aps.org/prresearch/abstract/10.1103/PhysRevResearch.3.023092.
https: / / doi.org/ 10.1103 / PhysRevResearch.3.023092
, Supanut Thanasilp, Samson Wang, Nhat A Nghiem, Patrick J. Coles e M. Cerezo. Sottigliezze nella formabilità dei modelli di machine learning quantistici. prestampa di arXiv arXiv:2110.14753, 2021. URL https://arxiv.org/abs/2110.14753.
arXiv: 2110.14753
, D. D'Alessandro. Introduzione al controllo quantistico e alla dinamica. Chapman & Hall/CRC Matematica applicata e scienze non lineari. Taylor & Francis, 2007. ISBN 9781584888840. URL https://books.google.sm/books?id=HbMYmAEACAAJ.
https:///books.google.sm/books?id=HbMYmAEACAAJ
, Sukin Sim, Peter D. Johnson e Alán Aspuru-Guzik. Esprimibilità e capacità di entanglement di circuiti quantistici parametrizzati per algoritmi ibridi quantistici-classici. Tecnologie quantistiche avanzate, 2 (12): 1900070, 2019. 10.1002/Qute.201900070. URL https://onlinelibrary.wiley.com/doi/full/10.1002/qute.201900070.
https: / / doi.org/ 10.1002 / qute.201900070
, Grotte di Carlton M. Correzione degli errori quantistici e operazioni reversibili. Journal of Superconductivity, 12 (6): 707–718, 1999. 10.1023/A:1007720606911. URL https://link.springer.com/article/10.1023/A:1007720606911.
https: / / doi.org/ 10.1023 / A: 1007720606911 millions
, P Rungta, WJ Munro, K Nemoto, P Deuar, Gerard J Milburn e CM Caves. Intreccio di qudit. In Directions in Quantum Optics, pagine 149–164. Springer, 2001. 10.1007/3-540-40894-0_14. URL https://link.springer.com/chapter/10.1007.
https://doi.org/10.1007/3-540-40894-0_14
https:///link.springer.com/chapter/10.1007
, Nicholas Hunter-Jones. Disegni unitari dalla meccanica statistica in circuiti quantistici casuali. prestampa di arXiv arXiv:1905.12053, 2019. URL https://arxiv.org/abs/1905.12053.
arXiv: 1905.12053
, Yoshifumi Nakata, Masato Koashi e Mio Murao. Generazione di un t-design di stato mediante circuiti quantistici diagonali. New Journal of Physics, 16 (5): 053043, 2014. 10.1088/1367-2630/16/5/053043. URL https://iopscience.iop.org/article/10.1088/1367-2630/16/5/053043.
https://doi.org/10.1088/1367-2630/16/5/053043
, Zhi-Cheng Yang, Armin Rahmani, Alireza Shabani, Hartmut Neven e Claudio Chamon. Ottimizzazione di algoritmi quantistici variazionali utilizzando il principio del minimo di pontryagin. Revisione fisica X, 7 (2): 021027, 2017. 10.1103/PhysRevX.7.021027. URL https://journals.aps.org/prx/abstract/10.1103/PhysRevX.7.021027.
https: / / doi.org/ 10.1103 / PhysRevX.7.021027
, Oinam Romesh Meitei, Bryan T Gard, George S Barron, David P Pappas, Sophia E Economou, Edwin Barnes e Nicholas J Mayhall. Preparazione dello stato gate-free per simulazioni di autosolver quantistiche variazionali veloci: ctrl-vqe. arXiv preprint arXiv:2008.04302, 2020. URL https://arxiv.org/abs/2008.04302.
arXiv: 2008.04302
, Juneseo Lee, Alicia B Magann, Herschel A Rabitz e Christian Arenz. Progressi verso paesaggi favorevoli nell'ottimizzazione combinatoria quantistica. Revisione fisica A, 104 (3): 032401, 2021. 10.1103/PhysRevA.104.032401. URL https://link.aps.org/doi/10.1103/PhysRevA.104.032401.
https: / / doi.org/ 10.1103 / PhysRevA.104.032401
, Jun Li, Xiaodong Yang, Xinhua Peng e Chang-Pu Sun. Approccio ibrido quantistico-classico al controllo quantistico ottimale. Lettere di revisione fisica, 118 (15): 150503, 2017. 10.1103/PhysRevLett.118.150503. URL https://journals.aps.org/prl/abstract/10.1103/PhysRevLett.118.150503.
https: / / doi.org/ 10.1103 / PhysRevLett.118.150503
, Viswanath Ramakrishna e Herschel Rabitz. Relazione tra calcolo quantistico e controllabilità quantistica. Revisione fisica A, 54 (2): 1715, 1996. 10.1103/PhysRevA.54.1715. URL https://journals.aps.org/pra/abstract/10.1103/PhysRevA.54.1715.
https: / / doi.org/ 10.1103 / PhysRevA.54.1715
, Seth Lloyd. L'ottimizzazione approssimata quantistica è computazionalmente universale. arXiv prestampa arXiv:1812.11075, 2018. URL https://arxiv.org/abs/1812.11075.
arXiv: 1812.11075
, Mauro ES Morales, JD Biamonte e Zoltán Zimborás. Sull'universalità dell'algoritmo di ottimizzazione approssimata quantistica. Elaborazione quantistica delle informazioni, 19 (9): 1–26, 2020. 10.1007/s11128-020-02748-9. URL https://link.springer.com/article/10.1007/s11128-020-02748-9.
https://doi.org/10.1007/s11128-020-02748-9
, V Akshay, H Philathong, Mauro ES Morales e Jacob D Biamonte. Deficit di raggiungibilità nell'ottimizzazione quantistica approssimata. Lettere di revisione fisica, 124 (9): 090504, 2020. 10.1103/PhysRevLett.124.090504. URL https://journals.aps.org/prl/abstract/10.1103/PhysRevLett.124.090504.
https: / / doi.org/ 10.1103 / PhysRevLett.124.090504
, Robert Zeier e Thomas Schulte-Herbrüggen. Principi di simmetria nella teoria dei sistemi quantistici. Rivista di fisica matematica, 52 (11): 113510, 2011. https://doi.org/10.1063/1.3657939. URL https://aip.scitation.org/doi/pdf/10.1063/1.3657939.
https: / / doi.org/ 10.1063 / 1.3657939 mila
, Thomas Polack, Haim Suchowski e David J. Tannor. Sistemi quantistici incontrollabili: uno schema di classificazione basato su subalgebre di bugia. Revisione fisica A, 79 (5): 053403, 2009. https://doi.org/10.1103/PhysRevA.79.053403. URL https://journals.aps.org/pra/abstract/10.1103/PhysRevA.79.053403.
https: / / doi.org/ 10.1103 / PhysRevA.79.053403
, Leonardo Banchi, Daniel Burgarth e Michael J. Kastoryano. Dinamica quantistica guidata: si fonderà? Revisione fisica X, 7 (4): 041015, 2017. 10.1103/PhysRevX.7.041015. URL https://journals.aps.org/prx/abstract/10.1103/PhysRevX.7.041015.
https: / / doi.org/ 10.1103 / PhysRevX.7.041015
, Abhinav Kandala, Antonio Mezzacapo, Kristan Temme, Maika Takita, Markus Brink, Jerry M. Chow e Jay M. Gambetta. Autosolver quantistico variazionale efficiente in termini di hardware per piccole molecole e magneti quantistici. Natura, 549 (7671): 242–246, settembre 2017. ISSN 1476-4687. 10.1038/natura23879. URL https://doi.org/10.1038/nature23879.
https: / / doi.org/ 10.1038 / nature23879
, Aram W Harrow e Richard A Low. I circuiti quantistici casuali sono approssimativi a 2 modelli. Communications in Mathematical Physics, 291 (1): 257–302, 2009. 10.1007/s00220-009-0873-6. URL https://link.springer.com/article/10.1007.
https://doi.org/10.1007/s00220-009-0873-6
https:///link.springer.com/article/10.1007
, Fernando GSL Brandao, Aram W Harrow e Michał Horodecki. I circuiti quantistici casuali locali sono progetti polinomiali approssimativi. Communications in Mathematical Physics, 346 (2): 397–434, 2016. 10.1007/s00220-016-2706-8. URL https://link.springer.com/article/10.1007.
https://doi.org/10.1007/s00220-016-2706-8
https:///link.springer.com/article/10.1007
, Aram Harrow e Saeed Mehraban. Disegni $ t $ unitari approssimativi mediante circuiti quantistici casuali corti che utilizzano porte del vicino più vicino e di lungo raggio. arXiv preprint arXiv:1809.06957, 2018. URL https://arxiv.org/abs/1809.06957.
arXiv: 1809.06957
, Andrea Luca. Ising formulazioni di molti problemi np. Frontiere in Fisica, 2: 5, 2014. 10.3389/fphy.2014.00005. URL https://www.frontiersin.org/articles/10.3389/fphy.2014.00005/full.
https: / / doi.org/ 10.3389 / fphy.2014.00005
, Michael Streif e Martin Leib. Addestramento dell'algoritmo di ottimizzazione approssimata quantistica senza accesso a un'unità di elaborazione quantistica. Scienza e tecnologia quantistica, 5 (3): 034008, 2020. 10.1088/2058-9565/ab8c2b. URL https://iopscience.iop.org/article/10.1088/2058-9565/ab8c2b.
https://doi.org/10.1088/2058-9565/ab8c2b
, M. Cerezo, Raúl Rossignoli, N Canosa e E Ríos. Fattorizzazione e criticità in sistemi finiti $xxz$ di spin arbitrario. Lettere di revisione fisica, 119 (22): 220605, 2017. 10.1103/PhysRevLett.119.220605. URL https://journals.aps.org/prl/abstract/10.1103/PhysRevLett.119.220605.
https: / / doi.org/ 10.1103 / PhysRevLett.119.220605
, Xiaoting Wang, Daniel Burgarth e S Schirmer. Controllabilità sottospaziale di catene spin-1 2 con simmetrie. Revisione fisica A, 94 (5): 052319, 2016. https://doi.org/10.1103/PhysRevA.94.052319. URL https://journals.aps.org/pra/abstract/10.1103/PhysRevA.94.052319.
https: / / doi.org/ 10.1103 / PhysRevA.94.052319
, Benoı̂t Collins e Piotr Śniady. Integrazione rispetto alla misura haar su gruppo unitario, ortogonale e simplettico. Communications in Mathematical Physics, 264 (3): 773–795, 2006. 10.1007/s00220-006-1554-3. URL https://link.springer.com/article/10.1007.
https://doi.org/10.1007/s00220-006-1554-3
https:///link.springer.com/article/10.1007
, PM Poggi e Diego Ariel Wisniacki. Controllo ottimale della dinamica quantistica a molti corpi: caos e complessità. Revisione fisica A, 94 (3): 033406, 2016. 10.1103/PhysRevA.94.033406. URL https://journals.aps.org/pra/abstract/10.1103/PhysRevA.94.033406.
https: / / doi.org/ 10.1103 / PhysRevA.94.033406
, Martín Larocca e Diego Wisniacki. Approccio Krylov-subspazio per il controllo efficiente della dinamica quantistica a molti corpi. Revisione fisica A, 103 (2): 023107, 2021. 10.1103/PhysRevA.103.023107. URL https://journals.aps.org/pra/abstract/10.1103/PhysRevA.103.023107.
https: / / doi.org/ 10.1103 / PhysRevA.103.023107
, P Erdos e A Renyi. Su grafici casuali i. Publ. matematica. debrecen, 6 (290-297): 18, 1959. URL http://snap.stanford.edu/class/cs224w-readings/erdos59random.pdf.
http:///snap.stanford.edu/class/cs224w-readings/erdos59random.pdf
, Christian Arenz e Herschel Rabitz. Unendo insieme i principi del paesaggio e della tomografia. Revisione fisica A, 102 (4): 042207, 2020. 10.1103/PhysRevA.102.042207. URL https://journals.aps.org/pra/abstract/10.1103/PhysRevA.102.042207.
https: / / doi.org/ 10.1103 / PhysRevA.102.042207
, Zbigniew Puchala e Jaroslaw Adam Miszczak. Integrazione simbolica rispetto alla misura haar sui gruppi unitari. Bollettino dell'Accademia polacca delle scienze Scienze tecniche, 65 (1): 21–27, 2017. 10.1515/bpasts-2017-0003. URL http://journals.pan.pl/dlibra/publication/121307/edition/105697/content.
https: / / doi.org/ 10.1515 / bpasts-2017-0003
http:///journals.pan.pl/dlibra/publication/121307/edition/105697/content
, Bryan T Gard, Linghua Zhu, George S Barron, Nicholas J Mayhall, Sophia E Economou e Edwin Barnes. Efficienti circuiti di preparazione dello stato che preservano la simmetria per l'algoritmo dell'autosolver quantistico variazionale. npj Informazioni quantistiche, 6 (1): 1–9, 2020. 10.1038/s41534-019-0240-1. URL https://www.nature.com/articles/s41534-019-0240-1.
https://doi.org/10.1038/s41534-019-0240-1
https: / / www.nature.com/ articoli / s41534-019-0240-1
, Christian Kokail, Christine Maier, Rick van Bijnen, Tiff Brydges, Manoj K Joshi, Petar Jurcevic, Christine A Muschik, Pietro Silvi, Rainer Blatt, Christian F Roos, et al. Simulazione quantistica variazionale autoverificante di modelli reticolari. Natura, 569 (7756): 355–360, 2019. 10.1038/s41586-019-1177-4. URL https://www.nature.com/articles/s41586-019-1177-4.
https://doi.org/10.1038/s41586-019-1177-4
https: / / www.nature.com/ articoli / s41586-019-1177-4
, Kunal Sharma, Sumeet Khatri, M. Cerezo e Patrick J Coles. Resilienza al rumore della compilazione quantistica variazionale. New Journal of Physics, 22 (4): 043006, 2020. 10.1088/1367-2630/ab784c. URL https://iopscience.iop.org/article/10.1088/1367-2630/ab784c.
https: / / doi.org/ 10.1088 / 1367-2630 / ab784c
, Nikolay V Tkachenko, James Sud, Yu Zhang, Sergei Tretiak, Petr M Anisimov, Andrew T Arrasmith, Patrick J. Coles, Lukasz Cincio e Pavel A Dub. Permutazione informata sulla correlazione dei qubit per ridurre la profondità di ansatz in vqe. PRX Quantum, 2 (2): 020337, 2021. 10.1103/PRXQuantum.2.020337. URL https://journals.aps.org/prxquantum/abstract/10.1103/PRXQuantum.2.020337.
https: / / doi.org/ 10.1103 / PRXQuantum.2.020337
, Bobak Toussi Kiani, Seth Lloyd e Reevu Maity. Unità di apprendimento per discesa del gradiente. prestampa di arXiv arXiv:2001.11897, 2020. URL https://arxiv.org/abs/2001.11897.
arXiv: 2001.11897
, Zhihui Wang, Nicholas C Rubin, Jason M Dominy e Eleanor G Rieffel. Mixer $XY$: risultati analitici e numerici per l'operatore quantistico alternato ansatz. Revisione fisica A, 101 (1): 012320, 2020. 10.1103/PhysRevA.101.012320. URL https://journals.aps.org/pra/abstract/10.1103/PhysRevA.101.012320.
https: / / doi.org/ 10.1103 / PhysRevA.101.012320
, Andreas Bärtschi e Stephan Eidenbenz. Miscelatori Grover per qaoa: spostamento della complessità dalla progettazione del miscelatore alla preparazione dello stato. Nel 2020 IEEE International Conference on Quantum Computing and Engineering (QCE), pagine 72–82. IEEE, 2020. 10.1109/QCE49297.2020.00020. URL https://www.computer.org/csdl/proceedings-article/qce/2020/896900a072/1p2VnUCmpYA.
https: / / doi.org/ 10.1109 / QCE49297.2020.00020
https://www.computer.org/csdl/proceedings-article/qce/2020/896900a072/1p2VnUCmpYA
, Wen Wei Ho e Timothy H. Hsieh. Simulazione variazionale efficiente di stati quantistici non banali. SciPost Phys., 6: 29, 2019. 10.21468/SciPostPhys.6.3.029. URL https://scipost.org/10.21468/SciPostPhys.6.3.029.
https: / / doi.org/ 10.21468 mila / SciPostPhys.6.3.029
, Chris Cade, Lana Mineh, Ashley Montanaro e Stasja Stanisic. Strategie per risolvere il modello di fermi-hubbard su computer quantistici a breve termine. Revisione fisica B, 102 (23): 235122, 2020. 10.1103/PhysRevB.102.235122. URL https://journals.aps.org/prb/abstract/10.1103/PhysRevB.102.235122.
https: / / doi.org/ 10.1103 / PhysRevB.102.235122
, Chen Zhao e Xiao Shan Gao. Analisi del fenomeno dell'altopiano sterile nell'addestramento di reti neurali quantistiche con il calcolo ZX. Quantum, 5: 466, giugno 2021. ISSN 2521-327X. 10.22331/q-2021-06-04-466. URL https://doi.org/10.22331/q-2021-06-04-466.
https://doi.org/10.22331/q-2021-06-04-466
, Kaining Zhang, Min-Hsiu Hsieh, Liu Liu e Dacheng Tao. Verso l'addestrabilità delle reti neurali quantistiche. prestampa di arXiv arXiv:2011.06258, 2020. URL https://arxiv.org/abs/2011.06258.
arXiv: 2011.06258
, Frederic Sauvage, Sukin Sim, Alexander A Kunitsa, William A Simon, Marta Mauri e Alejandro Perdomo-Ortiz. Flip: un inizializzatore flessibile per circuiti quantistici parametrizzati di dimensioni arbitrarie. prestampa di arXiv arXiv:2103.08572, 2021. URL https://arxiv.org/abs/2103.08572.
arXiv: 2103.08572
, Yidong Liao, Min-Hsiu Hsieh e Chris Ferrie. Ottimizzazione quantistica per l'addestramento di reti neurali quantistiche. prestampa di arXiv arXiv:2103.17047, 2021. URL https://arxiv.org/abs/2103.17047.
arXiv: 2103.17047
, Raj Chakrabarti e Herschel Rabitz. Paesaggi di controllo quantistico. Recensioni internazionali in chimica fisica, 26 (4): 671–735, 2007. 10.1080/01442350701633300. URL https://www.tandfonline.com/doi/abs/10.1080/01442350701633300.
https: / / doi.org/ 10.1080 / 01442350701633300 mila
, Martín Larocca, Pablo M Poggi e Diego A Wisniacki. Paesaggio di controllo quantistico per un sistema a due livelli vicino al limite di velocità quantistico. Journal of Physics A: Mathematical and Theoretical, 51 (38): 385305, ago 2018. 10.1088/1751-8121/aad657. URL https://doi.org/10.1088/1751-8121/aad657.
https: / / doi.org/ 10.1088 / 1751-8121 / aad657
, Martín Larocca, Esteban Calzetta e Diego A. Wisniacki. Sfruttare la geometria del paesaggio per migliorare il controllo quantistico ottimale. Revisione fisica A, 101: 023410, febbraio 2020. 10.1103/PhysRevA.101.023410. URL https://link.aps.org/doi/10.1103/PhysRevA.101.023410.
https: / / doi.org/ 10.1103 / PhysRevA.101.023410
, Winton G. Brown e Lorenza Viola. Tassi di convergenza per momenti statistici arbitrari di circuiti quantistici casuali. Phys. Rev. Lett., 104: 250501, giu 2010. 10.1103/PhysRevLett.104.250501. URL https://link.aps.org/doi/10.1103/PhysRevLett.104.250501.
https: / / doi.org/ 10.1103 / PhysRevLett.104.250501
, Domenico D'Alessandro e Jonas T Hartwig. Decomposizione dinamica di sistemi di controllo bilineari soggetti a simmetrie. Journal of Dynamical and Control Systems, 27 (1): 1–30, 2021. https://doi.org/10.1007/s10883-020-09488-0.
https://doi.org/10.1007/s10883-020-09488-0
Citato da
[1] Christiane P. Koch, Ugo Boscain, Tommaso Calarco, Gunther Dirr, Stefan Filipp, Steffen J. Glaser, Ronnie Kosloff, Simone Montangero, Thomas Schulte-Herbrüggen, Dominique Sugny e Frank K. Wilhelm, “Quantum ottimo controllo in tecnologie quantistiche. Rapporto strategico su stato attuale, visioni e obiettivi per la ricerca in Europa”, arXiv: 2205.12110.
[2] Samson Wang, Piotr Czarnik, Andrew Arrasmith, M. Cerezo, Lukasz Cincio e Patrick J. Coles, "La mitigazione degli errori può migliorare l'addestramento degli algoritmi quantistici variazionali rumorosi?", arXiv: 2109.01051.
[3] Nic Ezzell, Elliott M. Ball, Aliza U. Siddiqui, Mark M. Wilde, Andrew T. Sornborger, Patrick J. Coles e Zoë Holmes, "Quantum Mixed State Compiling", arXiv: 2209.00528.
[4] Stefan H. Sack, Raimel A. Medina, Alexios A. Michailidis, Richard Kueng e Maksym Serbyn, "Evitare gli altipiani aridi usando le ombre classiche", PRX Quantico 3 2, 020365 (2022).
[5] Martin Larocca, Nathan Ju, Diego García-Martín, Patrick J. Coles e M. Cerezo, "Teoria della sovraparametrizzazione nelle reti neurali quantistiche", arXiv: 2109.11676.
[6] Pejman Jouzdani, Calvin W. Johnson, Eduardo R. Mucciolo e Ionel Stetcu, "Un approccio alternativo all'evoluzione del tempo immaginario quantistico", arXiv: 2208.10535.
[7] Matthias C. Caro, Hsin-Yuan Huang, M. Cerezo, Kunal Sharma, Andrew Sornborger, Lukasz Cincio e Patrick J. Coles, "Generalizzazione nell'apprendimento automatico quantistico da pochi dati di addestramento", Comunicazioni sulla natura 13, 4919 (2022).
[8] Andy CY Li, M. Sohaib Alam, Thomas Iadecola, Ammar Jahin, Doga Murat Kurkcuoglu, Richard Li, Peter P. Orth, A. Barış Özgüler, Gabriel N. Perdue e Norm M. Tubman, “Benchmarking variazionale quantistico autosolver per il modello Kitaev a reticolo quadrato ottagono”, arXiv: 2108.13375.
[9] Martin Larocca, Frederic Sauvage, Faris M. Sbahi, Guillaume Verdon, Patrick J. Coles e M. Cerezo, "Apprendimento automatico quantistico invariante di gruppo", arXiv: 2205.02261.
[10] Louis Schatzki, Andrew Arrasmith, Patrick J. Coles e M. Cerezo, "Set di dati intrecciati per l'apprendimento automatico quantistico", arXiv: 2109.03400.
[11] Supanut Thanasilp, Samson Wang, Nhat A. Nghiem, Patrick J. Coles e M. Cerezo, "Subtleties in the trainability of quantum machine learning models", arXiv: 2110.14753.
[12] Junyu Liu, Khadijeh Najafi, Kunal Sharma, Francesco Tacchino, Liang Jiang e Antonio Mezzacapo, "An analytic theory for the dynamics of wide quantum neural networks", arXiv: 2203.16711.
[13] Frederic Sauvage, Martin Larocca, Patrick J. Coles e M. Cerezo, "Costruire simmetrie spaziali in circuiti quantistici parametrizzati per un allenamento più veloce", arXiv: 2207.14413.
[14] Yanzhu Chen, Linghua Zhu, Chenxu Liu, Nicholas J. Mayhall, Edwin Barnes e Sophia E. Economou, "Quanto entanglement richiedono gli algoritmi di ottimizzazione quantistica?", arXiv: 2205.12283.
[15] Annie E. Paine, Vincent E. Elfving e Oleksandr Kyriienko, "Metodi del kernel quantistico per la risoluzione di equazioni differenziali", arXiv: 2203.08884.
[16] Antonio Anna Mele, Glen Bigan Mbeng, Giuseppe Ernesto Santoro, Mario Collura, e Pietro Torta, "Evitando gli altipiani sterili tramite trasferibilità di soluzioni lisce in Hamiltonian Variational Ansatz", arXiv: 2206.01982.
[17] Daniel Bultrini, Samson Wang, Piotr Czarnik, Max Hunter Gordon, M. Cerezo, Patrick J. Coles e Lukasz Cincio, "La battaglia dei qubit puliti e sporchi nell'era della correzione parziale degli errori", arXiv: 2205.13454.
[18] Nishant Jain, Brian Coyle, Elham Kashefi e Niraj Kumar, "Inizializzazione della rete neurale del grafico dell'ottimizzazione approssimata quantistica", arXiv: 2111.03016.
[19] Kishor Bharti, Tobias Haug, Vlatko Vedral e Leong-Chuan Kwek, "Algoritmo NISQ per la programmazione semidefinita", arXiv: 2106.03891.
[20] Andi Gu, Angus Lowe, Pavel A. Dub, Patrick J. Coles e Andrew Arrasmith, "Allocazione adattiva del tiro per una rapida convergenza in algoritmi quantistici variazionali", arXiv: 2108.10434.
[21] Alejandro Sopena, Max Hunter Gordon, Diego García-Martín, Germán Sierra ed Esperanza López, “Algebric Bethe Circuits”, arXiv: 2202.04673.
[22] Bingzhi Zhang, Akira Sone e Quntao Zhuang, "Transizione di fase computazionale quantistica in problemi combinatori", npj Informazioni quantistiche 8, 87 (2022).
[23] Massimiliano Incudini, Francesco Martini e Alessandra Di Pierro, “Structure Learning of Quantum Embeddings”, arXiv: 2209.11144.
[24] Roeland Wiersema e Nathan Killoran, "Ottimizzazione dei circuiti quantistici con flusso gradiente Riemanniano", arXiv: 2202.06976.
[25] Xiaozhen Ge, Re-Bing Wu e Herschel Rabitz, "Il panorama di ottimizzazione degli algoritmi ibridi Quantum-Classici: dal controllo quantistico alle applicazioni NISQ", arXiv: 2201.07448.
[26] John Napp, "Quantificare il fenomeno dell'altopiano sterile per un modello di ansätze variazionale non strutturato", arXiv: 2203.06174.
[27] Zeyi Tao, Jindi Wu, Qi Xia e Qun Li, "LEGGI: guardati intorno e avvia a caldo la discesa naturale del gradiente per le reti neurali quantistiche", arXiv: 2205.02666.
[28] Kaining Zhang, Min-Hsiu Hsieh, Liu Liu e Dacheng Tao, "Le inizializzazioni gaussiane aiutano i circuiti quantistici variazionali profondi a fuggire dall'altopiano sterile", arXiv: 2203.09376.
[29] Alicia B. Magann, Kenneth M. Rudinger, Matthew D. Grace e Mohan Sarovar, "Ottimizzazione quantistica basata su feedback", arXiv: 2103.08619.
[30] Xinbiao Wang, Junyu Liu, Tongliang Liu, Yong Luo, Yuxuan Du e Dacheng Tao, "Potatura simmetrica nelle reti neurali quantistiche", arXiv: 2208.14057.
[31] Ayush Asthana, Chenxu Liu, Oinam Romesh Meitei, Sophia E. Economou, Edwin Barnes e Nicholas J. Mayhall, "Ridurre al minimo i tempi di preparazione dello stato nelle simulazioni molecolari variazionali a livello di impulso", arXiv: 2203.06818.
[32] Kaining Zhang, Min-Hsiu Hsieh, Liu Liu e Dacheng Tao, "Verso l'addestramento delle reti neurali quantistiche profonde", arXiv: 2112.15002.
[33] Kishor Bharti, Tobias Haug, Vlatko Vedral e Leong-Chuan Kwek, "Algoritmo quantistico rumoroso a scala intermedia per la programmazione semidefinita", Revisione fisica A 105 5, 052445 (2022).
[34] Adam Callison e Nicholas Cancelliere, "Algoritmi ibridi quantistici-classici nell'era quantistica rumorosa a scala intermedia e oltre", Revisione fisica A 106 1, 010101 (2022).
[35] Enrico Fontana, Ivan Rungger, Ross Duncan e Cristina Cîrstoiu, "Recupero efficiente di paesaggi di algoritmi quantistici variazionali utilizzando l'elaborazione classica del segnale", arXiv: 2208.05958.
[36] Saad Yalouz, Bruno Senjean, Filippo Miatto e Vedran Dunjko, "Codificare funzioni d'onda a molti bosoni fortemente correlate su un computer quantistico fotonico: applicazione al modello attraente di Bose-Hubbard", arXiv: 2103.15021.
[37] Manas Sajjan, Junxu Li, Raja Selvarajan, Shree Hari Sureshbabu, Sumit Suresh Kale, Rishabh Gupta, Vinit Singh e Saber Kais, "Quantum Machine Learning for Chemistry and Physics", arXiv: 2111.00851.
[38] Ryan LaRose, Eleanor Rieffel e Davide Venturelli, "Mixer-Phaser Ansätze for Quantum Optimization with Hard Constraints", arXiv: 2107.06651.
[39] Owen Lockwood, "Ottimizzazione dei circuiti variazionali quantistici con Deep Reinforcement Learning", arXiv: 2109.03188.
[40] Chiara Leadbeater, Louis Sharrock, Brian Coyle e Marcello Benedetti, “F-Divergences and Cost Function Locality in Generative Modeling with Quantum Circuits”, Entropia 23 10, 1281 (2021).
[41] Ioannis Kolotouros, Ioannis Petrongonas e Petros Wallden, "Calcolo quantistico adiabatico con circuiti quantistici parametrizzati", arXiv: 2206.04373.
[42] LCG Govia, C. Poole, M. Saffman e HK Krovi, "La libertà dell'asse di rotazione del mixer migliora le prestazioni nell'algoritmo di ottimizzazione approssimata quantistica", Revisione fisica A 104 6, 062428 (2021).
[43] Alicia B. Magann, Kenneth M. Rudinger, Matthew D. Grace e Mohan Sarovar, "Strategie ispirate al controllo di Lyapunov per l'ottimizzazione combinatoria quantistica", arXiv: 2108.05945.
[44] Supanut Thanasilp, Samson Wang, M. Cerezo e Zoë Holmes, "Concentrazione esponenziale e non addestrabile nei metodi del kernel quantistico", arXiv: 2208.11060.
Le citazioni sopra sono di ANNUNCI SAO / NASA (ultimo aggiornamento riuscito 2022-09-29 14:30:01). L'elenco potrebbe essere incompleto poiché non tutti gli editori forniscono dati di citazione adeguati e completi.
Impossibile recuperare Crossref citato da dati durante l'ultimo tentativo 2022-09-29 14:29:59: Impossibile recuperare i dati citati per 10.22331 / q-2022-09-29-824 da Crossref. Questo è normale se il DOI è stato registrato di recente.
Questo documento è pubblicato in Quantum sotto il Creative Commons Attribuzione 4.0 Internazionale (CC BY 4.0) licenza. Il copyright rimane dei detentori del copyright originali come gli autori o le loro istituzioni.
