1Divisione Teorica, Los Alamos National Laboratory, Los Alamos, NM 87545, USA
2Dipartimento di Fisica, Imperial College London, Londra, SW7 2AZ, Regno Unito
3Facoltà di Fisica, Astronomia e Informatica Applicata, Università Jagellonica, Cracovia, Polonia
4Centro Mark Kac per la ricerca sui sistemi complessi, Università Jagellonica, Cracovia, Polonia
5Centro di scienza quantistica, Oak Ridge, TN 37931, Stati Uniti
6Centro per gli studi non lineari, Laboratorio nazionale di Los Alamos, Los Alamos, NM 87545, USA
Trovi questo documento interessante o vuoi discuterne? Scrivi o lascia un commento su SciRate.
Astratto
Gli algoritmi quantistici variazionali (VQA) sono spesso visti come la migliore speranza per un vantaggio quantistico a breve termine. Tuttavia, studi recenti hanno dimostrato che il rumore può limitare gravemente la fattibilità delle VQA, ad esempio appiattindo esponenzialmente il panorama dei costi e sopprimendo l'entità dei gradienti di costo. La mitigazione degli errori (EM) si dimostra promettente nel ridurre l'impatto del rumore sui dispositivi a breve termine. Pertanto, è naturale chiedersi se gli EM possano migliorare la formabilità delle VQA. In questo lavoro mostriamo innanzitutto che, per un’ampia classe di strategie dei mercati emergenti, la concentrazione esponenziale dei costi non può essere risolta senza impegnare risorse esponenziali altrove. Questa classe di strategie include come casi speciali l'estrapolazione del rumore zero, la distillazione virtuale, la cancellazione dell'errore probabilistico e la regressione dei dati di Clifford. In secondo luogo, eseguiamo un'analisi analitica e numerica di questi protocolli EM e scopriamo che alcuni di essi (ad esempio, la distillazione virtuale) possono rendere più difficile la risoluzione dei valori della funzione di costo rispetto all'assenza totale di EM. Come risultato positivo, troviamo prove numeriche che la Clifford Data Regression (CDR) può aiutare il processo di formazione in determinati contesti in cui la concentrazione dei costi non è troppo severa. I nostri risultati mostrano che occorre prestare attenzione nell’applicazione dei protocolli EM poiché possono peggiorare o non migliorare l’addestramento. D’altro canto, i nostri risultati positivi per CDR evidenziano la possibilità di progettare metodi di mitigazione degli errori per migliorare l’addestramento.
Immagine in primo piano: è stato scoperto che alcuni tipi di rumore hardware compromettono in modo esponenziale la risolvibilità dei paesaggi dei costi negli algoritmi quantistici variazionali. Pertanto, l’ottimizzazione accurata e affidabile di algoritmi quantistici variazionali rumorosi può essere gravata da un sovraccarico esponenziale del campione. In questo lavoro ci chiediamo se la mitigazione degli errori possa mitigare questo fenomeno, sia da un punto di vista di scala (nel limite di grandi dimensioni del sistema), sia per problemi di dimensioni fisse.
► dati BibTeX
► Riferimenti
, Jarrod R McClean, Jonathan Romero, Ryan Babbush e Alán Aspuru-Guzik. "La teoria degli algoritmi ibridi variazionali quantistici-classici". Nuovo Giornale di Fisica 18, 023023 (2016).
https://doi.org/10.1007/978-94-015-8330-5_4
, 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". Recensioni sulla natura Fisica 3, 625–644 (2021).
https://doi.org/10.1038/s42254-021-00348-9
, 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 Informazioni quantistiche 5, 1–6 (2019).
https://doi.org/10.1038/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, 1–9 (2019).
https://doi.org/10.1038/s41467-019-10988-2
, Cristina Cirstoiu, Zoe Holmes, Joseph Iosue, Lukasz Cincio, Patrick J. Coles e Andrew Sornborger. “Avanzamento veloce variazionale per la simulazione quantistica oltre il tempo di coerenza”. npj Informazioni quantistiche 6, 1–10 (2020).
https://doi.org/10.1038/s41534-020-00302-0
, Benjamin Commeau, M. Cerezo, Zoë Holmes, Lukasz Cincio, Patrick J. Coles e Andrew Sornborger. “Diagonalizzazione hamiltoniana variazionale per la simulazione quantistica dinamica”. prestampa di arXiv arXiv:2009.02559 (2020).
https:///doi.org/10.48550/arXiv.2009.02559
, Joe Gibbs, Kaitlin Gili, Zoë Holmes, Benjamin Commeau, Andrew Arrasmith, Lukasz Cincio, Patrick J. Coles e Andrew Sornborger. "Simulazioni di lunga durata con alta fedeltà su hardware quantistico". prestampa di arXiv arXiv:2102.04313 (2021).
https:///doi.org/10.48550/arXiv.2102.04313
, Yong-Xin Yao, Niladri Gomes, Feng Zhang, Thomas Iadecola, Cai-Zhuang Wang, Kai-Ming Ho e Peter P Orth. “Simulazioni di dinamica quantistica variazionale adattativa”. prestampa di arXiv arXiv:2011.00622 (2020).
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, 010501 (2020).
https: / / doi.org/ 10.1103 / PhysRevLett.125.010501
, Y. Li e SC Benjamin. "Simulatore quantistico variazionale efficiente che incorpora la minimizzazione attiva dell'errore". Fis. Rev.X7, 021050 (2017).
https: / / doi.org/ 10.1103 / PhysRevX.7.021050
, 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).
https:///doi.org/10.48550/arXiv.2101.07677
, Kentaro Heya, Ken M. Nakanishi, Kosuke Mitarai e Keisuke Fujii. “Simulatore quantistico variazionale del subspazio”. prestampa di arXiv arXiv:1904.08566 (2019).
https:///doi.org/10.48550/arXiv.1904.08566
, Xiao Yuan, Suguru Endo, Qi Zhao, Ying Li e Simon C Benjamin. "Teoria della simulazione quantistica variazionale". Quantum 3, 191 (2019).
https://doi.org/10.22331/q-2019-10-07-191
, Maria Schuld, Alex Bocharov, Krysta M. Svore e Nathan Wiebe. “Classificatori quantistici incentrati sul circuito”. Revisione fisica A 101, 032308 (2020).
https: / / doi.org/ 10.1103 / PhysRevA.101.032308
, Guillaume Verdon, Michael Broughton e Jacob Biamonte. “Un algoritmo quantistico per addestrare reti neurali utilizzando circuiti a bassa profondità”. prestampa di arXiv arXiv:1712.05304 (2017).
https:///doi.org/10.48550/arXiv.1712.05304
, Jonathan Romero e Alan Aspuru-Guzik. "Generatori quantistici variazionali: apprendimento automatico quantistico generativo antagonista per distribuzioni continue". Tecnologie quantistiche avanzate 4, 2000003 (2021).
https: / / doi.org/ 10.1002 / qute.202000003
, Edward Farhi e Hartmut Neven. “Classificazione con reti neurali quantistiche su processori a breve termine”. prestampa di arXiv arXiv:1802.06002 (2018).
https:///doi.org/10.48550/arXiv.1802.06002
, Kerstin Beer, Dmytro Bondarenko, Terry Farrelly, Tobias J. Osborne, Robert Salzmann, Daniel Scheiermann e Ramona Wolf. "Addestramento di reti neurali quantistiche profonde". Comunicazioni Natura 11, 808 (2020).
https://doi.org/10.1038/s41467-020-14454-2
, Iris Cong, Soonwon Choi e Mikhail D Lukin. "Reti neurali convoluzionali quantistiche". Fisica della natura 15, 1273–1278 (2019).
https://doi.org/10.1038/s41567-019-0648-8
, Edward Grant, Marcello Benedetti, Shuxiang Cao, Andrew Hallam, Joshua Lockhart, Vid Stojevic, Andrew G Green e Simone Severini. “Classificatori quantistici gerarchici”. npj Informazioni quantistiche 4, 1–8 (2018).
https://doi.org/10.1038/s41534-018-0116-9
, 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 variazionale di autovalori su un processore quantistico fotonico". Natura Comunicazioni 5, 1-7 (2014).
https: / / doi.org/ 10.1038 / ncomms5213
, Bela Bauer, Dave Wecker, Andrew J Millis, Matthew B Hastings e Matthias Troyer. “Approccio ibrido quantistico-classico ai materiali correlati”. Revisione fisica X 6, 031045 (2016).
https: / / doi.org/ 10.1103 / PhysRevX.6.031045
, Tyson Jones, Suguru Endo, Sam McArdle, Xiao Yuan e Simon C. Benjamin. “Algoritmi quantistici variazionali per la scoperta di spettri hamiltoniani”. Revisione fisica A 99, 062304 (2019).
https: / / doi.org/ 10.1103 / PhysRevA.99.062304
, Edward Farhi, Jeffrey Goldstone e Sam Gutmann. "Un algoritmo di ottimizzazione quantistica approssimata". prestampa di arXiv arXiv:1411.4028 (2014).
https:///doi.org/10.48550/arXiv.1411.4028
, Zhihui Wang, S. Hadfield, Z. Jiang e EG Rieffel. "Algoritmo di ottimizzazione quantistica approssimata per MaxCut: una visione fermionica". Revisione fisica A 97, 022304 (2018).
https: / / doi.org/ 10.1103 / PhysRevA.97.022304
, Gavin E Crooks. “Prestazioni dell'algoritmo di ottimizzazione quantistica approssimata sul problema del taglio massimo”. prestampa di arXiv arXiv:1811.08419 (2018).
https:///doi.org/10.48550/arXiv.1811.08419
, Stuart Hadfield, Zhihui Wang, Bryan O'Gorman, Eleanor G Rieffel, Davide Venturelli e Rupak Biswas. "Dall'algoritmo di ottimizzazione approssimata quantistica a un operatore quantistico alternato ansatz". Algoritmi 12, 34 (2019).
https: / / doi.org/ 10.3390 / a12020034
, 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).
https://doi.org/10.22331/q-2023-11-22-1188
, Xiaosi Xu, Jinzhao Sun, Suguru Endo, Ying Li, Simon C Benjamin e Xiao Yuan. “Algoritmi variazionali per l'algebra lineare”. Bollettino scientifico 66, 2181–2188 (2021).
https: / / doi.org/ 10.1016 / j.scib.2021.06.023
, Bálint Koczor, Suguru Endo, Tyson Jones, Yuichiro Matsuzaki e Simon C Benjamin. “Metrologia quantistica a stati variazionali”. Nuovo giornale di fisica (2020).
https:///doi.org/10.1088/1367-2630/ab965e
, Johannes Jakob Meyer, Johannes Borregaard e Jens Eisert. "Uno strumento variazionale per la stima quantistica multiparametrica". Informazioni quantistiche NPJ 7, 1–5 (2021).
https: / / doi.org/ 10.1038 / s41534-021-00425-y
, Eric Anschuetz, Jonathan Olson, Alán Aspuru-Guzik e Yudong Cao. “Fattorizzazione quantistica variazionale”. Problemi di tecnologia quantistica e ottimizzazione (2019).
https://doi.org/10.1007/978-3-030-14082-3_7
, Sumeet Khatri, Ryan LaRose, Alexander Poremba, Lukasz Cincio, Andrew T Sornborger e Patrick J Coles. "Compilazione quantistica assistita da quantistica". Quantum 3, 140 (2019).
https://doi.org/10.22331/q-2019-05-13-140
, Kunal Sharma, Sumeet Khatri, M. Cerezo e Patrick J Coles. "Resilienza al rumore della compilazione quantistica variazionale". Nuovo giornale di fisica 22, 043006 (2020).
https: / / doi.org/ 10.1088 / 1367-2630 / ab784c
, Tyson Jones e Simon C. Benjamin. "Compilazione quantistica e ottimizzazione dei circuiti tramite dissipazione di energia". prestampa di arXiv arXiv:1811.03147 (2018).
https://doi.org/10.22331/q-2022-01-24-628
, 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, 1–7 (2019).
https://doi.org/10.1038/s41467-019-11417-0
, M. Cerezo, Kunal Sharma, Andrew Arrasmith e Patrick J Coles. “Eigensolver di stati quantistici variazionali”. prestampa di arXiv arXiv:2004.01372 (2020).
https://doi.org/10.1038/s41534-022-00611-6
, Ryan LaRose, Arkin Tikku, Étude O'Neel-Judy, Lukasz Cincio e Patrick J Coles. “Diagonalizzazione variazionale dello stato quantistico”. npj Informazioni quantistiche 5, 1–10 (2019).
https://doi.org/10.1038/s41534-019-0167-6
, Guillaume Verdon, Jacob Marks, Sasha Nanda, Stefan Leichenauer e Jack Hidary. "Modelli basati sull'Hamiltoniano quantistico e l'algoritmo del termalizzatore quantistico variazionale". prestampa di arXiv arXiv:1910.02071 (2019).
https:///doi.org/10.48550/arXiv.1910.02071
, Peter D Johnson, Jonathan Romero, Jonathan Olson, Yudong Cao e Alán Aspuru-Guzik. "QVector: un algoritmo per la correzione degli errori quantistici su misura per il dispositivo". prestampa di arXiv arXiv:1711.02249 (2017).
https:///doi.org/10.48550/arXiv.1711.02249
, Giovanni Preskill. "Quantum computing nell'era NISQ e oltre". Quantum 2, 79 (2018).
https://doi.org/10.22331/q-2018-08-06-79
, Kristan Temme, Sergey Bravyi e Jay M. Gambetta. "Mitigazione degli errori per circuiti quantistici di breve profondità". Phys. Rev. Lett. 119, 180509 (2017).
https: / / doi.org/ 10.1103 / PhysRevLett.119.180509
, Suguru Endo, Simon C. Benjamin e Ying Li. “Mitigazione pratica degli errori quantistici per applicazioni del prossimo futuro”. Revisione fisica X 8, 031027 (2018).
https: / / doi.org/ 10.1103 / PhysRevX.8.031027
, Abhinav Kandala, Kristan Temme, Antonio D. Corcoles, Antonio Mezzacapo, Jerry M. Chow e Jay M. Gambetta. "La mitigazione degli errori estende la portata computazionale di un processore quantistico rumoroso". Natura 567, 491–495 (2019).
https://doi.org/10.1038/s41586-019-1040-7
, Piotr Czarnik, Andrew Arrasmith, Patrick J. Coles e Lukasz Cincio. "Mitigazione degli errori con i dati dei circuiti quantistici di Clifford". Quantico 5, 592 (2021).
https://doi.org/10.22331/q-2021-11-26-592
, William J Huggins, Sam McArdle, Thomas E O'Brien, Joonho Lee, Nicholas C Rubin, Sergio Boixo, K Birgitta Whaley, Ryan Babbush e Jarrod R McClean. "Distillazione virtuale per la mitigazione degli errori quantistici". Revisione fisica X 11, 041036 (2021).
https: / / doi.org/ 10.1103 / PhysRevX.11.041036
, Balint Koczor. "Soppressione esponenziale degli errori per dispositivi quantistici a breve termine". Revisione fisica X 11, 031057 (2021).
https: / / doi.org/ 10.1103 / PhysRevX.11.031057
, Jarrod R McClean, Mollie E Kimchi-Schwartz, Jonathan Carter e Wibe A De Jong. "Gerarchia quantistica ibrida per la mitigazione della decoerenza e la determinazione degli stati eccitati". Revisione fisica A 95, 042308 (2017).
https: / / doi.org/ 10.1103 / PhysRevA.95.042308
, Thomas E. O'Brien, Stefano Polla, Nicholas C. Rubin, William J. Huggins, Sam McArdle, Sergio Boixo, Jarrod R. McClean e Ryan Babbush. "Mitigazione degli errori tramite stima della fase verificata". PRX Quantum 2, 020317 (2021).
https: / / doi.org/ 10.1103 / PRXQuantum.2.020317
, Sam McArdle, Xiao Yuan e Simon Benjamin. "Simulazione quantistica digitale con riduzione degli errori". Phys. Rev. Lett. 122, 180501 (2019).
https: / / doi.org/ 10.1103 / PhysRevLett.122.180501
, Xavi Bonet-Monroig, Ramiro Sagastizabal, M Singh e TE O'Brien. "Mitigazione degli errori a basso costo mediante verifica della simmetria". Revisione fisica A 98, 062339 (2018).
https: / / doi.org/ 10.1103 / PhysRevA.98.062339
, William J Huggins, Jarrod R McClean, Nicholas C Rubin, Zhang Jiang, Nathan Wiebe, K Birgitta Whaley e Ryan Babbush. "Misurazioni efficienti e resistenti al rumore per la chimica quantistica su computer quantistici a breve termine". npj Informazioni quantistiche 7, 1–9 (2021).
https://doi.org/10.1038/s41534-020-00341-7
, George S Barron e Christopher J Wood. “Mitigazione degli errori di misura per algoritmi quantistici variazionali”. prestampa di arXiv arXiv:2010.08520 (2020).
https:///doi.org/10.48550/arXiv.2010.08520
, Alistair WR Smith, Kiran E. Khosla, Chris N. Self e MS Kim. "Mitigazione degli errori di lettura di Qubit con media bit-flip". Progressi scientifici 7 (2021).
https:///doi.org/10.1126/sciadv.abi8009
, Daiqin Su, Robert Israel, Kunal Sharma, Haoyu Qi, Ish Dhand e Kamil Brádler. "Mitigazione degli errori su un dispositivo fotonico quantistico a breve termine". Quantico 5, 452 (2021).
https://doi.org/10.22331/q-2021-05-04-452
, Samson Wang, Enrico Fontana, M. Cerezo, Kunal Sharma, Akira Sone, Lukasz Cincio, and Patrick J Coles. "Altipiani sterili indotti dal rumore negli algoritmi quantistici variazionali". Nature Communications 12, 1–11 (2021).
https://doi.org/10.1038/s41467-021-27045-6
, Daniel Stilck França e Raul Garcia-Patron. "Limitazioni degli algoritmi di ottimizzazione su dispositivi quantistici rumorosi". Fisica della natura 17, 1221–1227 (2021).
https://doi.org/10.1038/s41567-021-01356-3
, Jarrod R McClean, Sergio Boixo, Vadim N Smelyanskiy, Ryan Babbush e Hartmut Neven. "Altipiani sterili nei paesaggi di addestramento della rete neurale quantistica". Nature Communications 9, 1–6 (2018).
https://doi.org/10.1038/s41467-018-07090-4
, M. Cerezo, Akira Sone, Tyler Volkoff, Lukasz Cincio e Patrick J Coles. "Altipiani sterili dipendenti dalla funzione di costo in circuiti quantistici parametrizzati poco profondi". Nature Communications 12, 1–12 (2021).
https: / / doi.org/ 10.1038 / s41467-021-21728-w
, Andrew Arrasmith, M. Cerezo, Piotr Czarnik, Lukasz Cincio e Patrick J Coles. "Effetto degli altipiani sterili sull'ottimizzazione senza gradiente". Quantum 5, 558 (2021).
https://doi.org/10.22331/q-2021-10-05-558
, M. Cerezo e Patrick J. Coles. "Derivati di ordine superiore di reti neurali quantistiche con altipiani sterili". Scienza e tecnologia quantistica 6, 035006 (2021).
https:///doi.org/10.1088/2058-9565/abf51a
, Kentaro Heya, Yasunari Suzuki, Yasunobu Nakamura e Keisuke Fujii. “Ottimizzazione variazionale della porta quantistica”. prestampa di arXiv arXiv:1810.12745 (2018).
https:///doi.org/10.48550/arXiv.1810.12745
, Jonathan Romero, Jonathan P. Olson e Alan Aspuru-Guzik. "Autocodificatori quantistici per una compressione efficiente dei dati quantistici". Scienza e tecnologia quantistica 2, 045001 (2017).
https: / / doi.org/ 10.1088 / 2058-9565 / aa8072
, Lennart Bittel e Martin Kliesch. "L'addestramento di algoritmi quantistici variazionali è np-difficile". Fis. Rev. Lett. 127, 120502 (2021).
https: / / doi.org/ 10.1103 / PhysRevLett.127.120502
, Jonas M Kübler, Andrew Arrasmith, Lukasz Cincio e Patrick J Coles. "Un ottimizzatore adattivo per algoritmi variazionali frugali in termini di misurazione". Quantico 4, 263 (2020).
https://doi.org/10.22331/q-2020-05-11-263
, Andrew Arrasmith, Lukasz Cincio, Rolando D Somma e Patrick J Coles. "Campionamento dell'operatore per l'ottimizzazione frugale negli algoritmi variazionali". prestampa di arXiv arXiv:2004.06252 (2020).
https:///doi.org/10.48550/arXiv.2004.06252
, Andi Gu, Angus Lowe, Pavel A Dub, Patrick J. Coles e Andrew Arrasmith. "Allocazione adattiva dei colpi per una rapida convergenza negli algoritmi quantistici variazionali". prestampa di arXiv arXiv:2108.10434 (2021).
https:///doi.org/10.48550/arXiv.2108.10434
, Zoë Holmes, Kunal Sharma, M. Cerezo e Patrick J Coles. "Collegare l'espressibilità ansatz alle grandezze del gradiente e agli altipiani aridi". PRX Quantum 3, 010313 (2022).
https: / / doi.org/ 10.1103 / PRXQuantum.3.010313
, 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, 190501 (2021).
https: / / doi.org/ 10.1103 / PhysRevLett.126.190501
, Carlos Ortiz Marrero, Mária Kieferová e Nathan Wiebe. "Altipiani sterili indotti dall'entanglement". PRX Quantum 2, 040316 (2021).
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". Ricerca sulla revisione fisica 3, 033090 (2021).
https: / / doi.org/ 10.1103 / PhysRevResearch.3.033090
, Martin Larocca, Piotr Czarnik, Kunal Sharma, Gopikrishnan Muraleedharan, Patrick J. Coles e M. Cerezo. “Diagnosticare altipiani aridi con strumenti di controllo ottimale quantistico”. prestampa di arXiv arXiv:2105.14377 (2021).
https:///doi.org/10.48550/arXiv.2105.14377
, Kosuke Mitarai, Makoto Negoro, Masahiro Kitagawa e Keisuke Fujii. "Apprendimento del circuito quantistico". Revisione fisica A 98, 032309 (2018).
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, 032331 (2019).
https: / / doi.org/ 10.1103 / PhysRevA.99.032331
, John A Nelder e Roger Mead. "Un metodo simplex per la minimizzazione delle funzioni". Il giornale informatico 7, 308–313 (1965).
https: / / doi.org/ 10.1093 / comjnl / 7.4.308
, MJD Powell. "Un metodo di ottimizzazione della ricerca diretta che modella le funzioni obiettivo e vincolo mediante interpolazione lineare". Progressi nell'ottimizzazione e nell'analisi numerica (1994).
https://doi.org/10.1007/978-94-015-8330-5_4
, E. Campos, D. Rabinovich, V. Akshay e J. Biamonte. "Saturazione dell'addestramento nell'ottimizzazione quantistica approssimata a strati". Revisione fisica A 104 (2021).
https:///doi.org/10.1103/PhysRevA.104.L030401
, Cheng Xue, Zhao-Yun Chen, Yu-Chun Wu e Guo-Ping Guo. "Effetti del rumore quantistico sull'algoritmo di ottimizzazione approssimata quantistica". Lettere di fisica cinese 38, 030302 (2021).
https://doi.org/10.1088/0256-307X/38/3/030302
, Jeffrey Marshall, Filip Wudarski, Stuart Hadfield e Tad Hogg. "Caratterizzazione del rumore locale nei circuiti qaoa". IOP SciNotes 1, 025208 (2020). url: https:///doi.org/10.1088/2633-1357/abb0d7.
https://doi.org/10.1088/2633-1357/abb0d7
, Enrico Fontana, M. Cerezo, Andrew Arrasmith, Ivan Rungger e Patrick J. Coles. "Simmetrie non banali nei paesaggi quantistici e loro resilienza al rumore quantistico". Quantico 6, 804 (2022).
https://doi.org/10.22331/q-2022-09-15-804
, Suguru Endo, Zhenyu Cai, Simon C Benjamin e Xiao Yuan. "Algoritmi ibridi quanto-classici e mitigazione degli errori quantistici". Giornale della società fisica del Giappone 90, 032001 (2021).
https: / / doi.org/ 10.7566 / JPSJ.90.032001
, Angus Lowe, Max Hunter Gordon, Piotr Czarnik, Andrew Arrasmith, Patrick J. Coles e Lukasz Cincio. "Approccio unificato alla mitigazione degli errori quantistici basata sui dati". Fis. Rev. Ricerca 3, 033098 (2021).
https: / / doi.org/ 10.1103 / PhysRevResearch.3.033098
, Andrea Mari, Nathan Shammah e William J Zeng. "Estensione della cancellazione quantistica probabilistica degli errori mediante ridimensionamento del rumore". Revisione fisica A 104, 052607 (2021).
https: / / doi.org/ 10.1103 / PhysRevA.104.052607
, Daniel Bultrini, Max Hunter Gordon, Piotr Czarnik, Andrew Arrasmith, M. Cerezo, Patrick J. Coles e Lukasz Cincio. "Unificazione e benchmarking delle tecniche all'avanguardia di mitigazione degli errori quantistici". Quantico 7, 1034 (2023).
https://doi.org/10.22331/q-2023-06-06-1034
, Ashley Montanaro e Stasja Stanisic. "Mitigazione degli errori mediante addestramento con ottica lineare fermionica". prestampa di arXiv arXiv:2102.02120 (2021).
https:///doi.org/10.48550/arXiv.2102.02120
, Joseph Vovrosh, Kiran E Khosla, Sean Greenaway, Christopher Self, Myungshik S Kim e Johannes Knolle. "Semplice mitigazione degli errori di depolarizzazione globale nelle simulazioni quantistiche". Revisione fisica E 104, 035309 (2021).
https: / / doi.org/ 10.1103 / PhysRevE.104.035309
, Eliott Rosenberg, Paul Ginsparg e Peter L McMahon. "Mitigazione sperimentale degli errori utilizzando il riscalamento lineare per l'autosoluzione quantistica variazionale con un massimo di 20 qubit". Scienza e tecnologia quantistica 7, 015024 (2022).
https://doi.org/10.1088/2058-9565/ac3b37
, Andre He, Benjamin Nachman, Wibe A. de Jong e Christian W. Bauer. "Estrapolazione a rumore zero per la mitigazione degli errori del cancello quantistico con inserimenti di identità". Revisione fisica A 102, 012426 (2020).
https: / / doi.org/ 10.1103 / PhysRevA.102.012426
, Andrea Shaw. "Mitigazione del rumore quantistico classico per l'hardware nisq". prestampa di arXiv arXiv:2105.08701 (2021).
https:///doi.org/10.48550/arXiv.2105.08701
, Frank Arute, Kunal Arya, Ryan Babbush, Dave Bacon, Joseph C Bardin, Rami Barends, Andreas Bengtsson, Sergio Boixo, Michael Broughton, Bob B Buckley, et al. “Osservazione della dinamica separata di carica e spin nel modello di Fermi-Hubbard”. prestampa di arXiv arXiv:2010.07965 (2020).
https:///doi.org/10.48550/arXiv.2010.07965
, Armands Strikis, Dayue Qin, Yanzhu Chen, Simon C Benjamin e Ying Li. “Mitigazione degli errori quantistici basata sull’apprendimento”. PRX Quantum 2, 040330 (2021).
https: / / doi.org/ 10.1103 / PRXQuantum.2.040330
, Piotr Czarnik, Andrew Arrasmith, Lukasz Cincio e Patrick J Coles. "Soppressione esponenziale degli errori efficiente in Qubit". prestampa di arXiv arXiv:2102.06056 (2021).
https:///doi.org/10.48550/arXiv.2102.06056
, Yifeng Xiong, Daryus Chandra, Soon Xin Ng e Lajos Hanzo. "Analisi generale di campionamento della mitigazione degli errori quantistici: sistemi non codificati e sistemi codificati". Accesso IEEE 8, 228967–228991 (2020).
https: / / doi.org/ 10.1109 / ACCESS.2020.3045016
, Ryuji Takagi. “Costo ottimale delle risorse per la mitigazione degli errori”. Fis. Rev. Ris. 3, 033178 (2021).
https: / / doi.org/ 10.1103 / PhysRevResearch.3.033178
, Lukasz Cincio, Kenneth Rudinger, Mohan Sarovar e Patrick J. Coles. "Apprendimento automatico di circuiti quantistici resistenti al rumore". PRX Quantum 2, 010324 (2021).
https: / / doi.org/ 10.1103 / PRXQuantum.2.010324
, P Erdös e A Rényi. “Su grafici casuali $I$”. Publicationes Mathematicae Debrecen 6, 18 (1959). URL: http:///snap.stanford.edu/class/cs224w-readings/erdos59random.pdf.
http:///snap.stanford.edu/class/cs224w-readings/erdos59random.pdf
, Andrew Wack, Hanhee Paik, Ali Javadi-Abhari, Petar Jurcevic, Ismael Faro, Jay M. Gambetta e Blake R. Johnson. "Qualità, velocità e scala: tre attributi chiave per misurare le prestazioni dei computer quantistici a breve termine". prestampa di arXiv arXiv:2110.14108 (2021).
https:///doi.org/10.48550/arXiv.2110.14108
, Tudor Giurgica-Tiron, Yousef Hindy, Ryan LaRose, Andrea Mari e William J Zeng. “Estrapolazione digitale del rumore zero per la mitigazione degli errori quantistici”. Conferenza internazionale IEEE 2020 sull'informatica e l'ingegneria quantistica (QCE) (2020).
https: / / doi.org/ 10.1109 / QCE49297.2020.00045
, Youngseok Kim, Christopher J. Wood, Theodore J. Yoder, Seth T. Merkel, Jay M. Gambetta, Kristan Temme e Abhinav Kandala. "La mitigazione scalabile degli errori per circuiti quantistici rumorosi produce valori di aspettativa competitivi". prestampa di arXiv arXiv:2108.09197 (2021).
https://doi.org/10.1038/s41567-022-01914-3
, Cristina Cirstoiu, Silas Dilkes, Daniel Mills, Seyon Sivarajah e Ross Duncan. “Benchmark volumetrico della mitigazione degli errori con Qermit”. prestampa di arXiv arXiv:2204.09725 (2022).
https:///doi.org/10.48550/ARXIV.2204.09725
, Ryuji Takagi, Suguru Endo, Shintaro Minagawa e Mile Gu. "Limiti fondamentali della mitigazione dell'errore quantistico". npj Quantum Information 8, 114 (2022).
https: / / doi.org/ 10.1038 / s41534-022-00618-z
, Avram Sidi. “Metodi pratici di estrapolazione: teoria e applicazioni”. Volume 10. Cambridge University Press. (2003).
, Masanori Ohya e Dénes Petz. “Entropia quantistica e suo utilizzo”. Springer Scienza e media aziendali. (2004).
, Christoph Hirche, Cambyse Rouzé e Daniel Stilck França. "Sui coefficienti di contrazione, ordini parziali e approssimazione delle capacità per canali quantistici". Quantico 6, 862 (2022).
https://doi.org/10.22331/q-2022-11-28-862
, Jeffrey C. Lagarias, James A. Reeds, Margaret H. Wright e Paul E. Wright. "Proprietà di convergenza del metodo del simplesso di Nelder-Mead in piccole dimensioni". SIAM Journal on Optimization 9, 112–147 (1998).
https: / / doi.org/ 10.1137 / S1052623496303470
, Abhijith J., 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 e Andrey Y. Lokhov. "Implementazioni di algoritmi quantistici per principianti". Transazioni ACM sull'informatica quantistica (2022).
https: / / doi.org/ 10.1145 / 3517340 mila
, Balint Koczor. "L'autovettore dominante di uno stato quantistico rumoroso". Nuovo giornale di fisica 23, 123047 (2021).
https:///doi.org/10.1088/1367-2630/ac37ae
Citato da
[1] Zhenyu Cai, Ryan Babbush, Simon C. Benjamin, Suguru Endo, William J. Huggins, Ying Li, Jarrod R. McClean e Thomas E. O'Brien, "Mitigazione dell'errore quantistico", Recensioni di Modern Physics 95 4, 045005 (2023).
[2] Ryuji Takagi, Hiroyasu Tajima e Mile Gu, "Limiti inferiori del campionamento universale per la mitigazione degli errori quantistici", Lettere di revisione fisica 131 21, 210602 (2023).
[3] Louis Schatzki, Andrew Arrasmith, Patrick J. Coles e M. Cerezo, "Set di dati intrecciati per l'apprendimento automatico quantistico", arXiv: 2109.03400, (2021).
[4] Ryuji Takagi, Suguru Endo, Shintaro Minagawa e Mile Gu, "Limiti fondamentali della mitigazione dell'errore quantistico", npj Informazioni quantistiche 8, 114 (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, (2021).
[6] Valentin Heyraud, Zejian Li, Kaelan Donatella, Alexandre Le Boité e Cristiano Ciuti, "Stima efficiente della addestrabilità per circuiti quantistici variazionali", PRX Quantico 4 4, 040335 (2023).
[7] Patrick J. Coles, Collin Szczepanski, Denis Melanson, Kaelan Donatella, Antonio J. Martinez e Faris Sbahi, “Thermodynamic AI and the fluttuation frontier”, arXiv: 2302.06584, (2023).
[8] Yihui Quek, Daniel Stilck França, Sumeet Khatri, Johannes Jakob Meyer e Jens Eisert, "Limiti esponenzialmente più stretti sulle limitazioni della mitigazione dell'errore quantistico", arXiv: 2210.11505, (2022).
[9] Kento Tsubouchi, Takahiro Sagawa e Nobuyuki Yoshioka, "Limite universale dei costi della mitigazione degli errori quantistici basato sulla teoria della stima quantistica", Lettere di revisione fisica 131 21, 210601 (2023).
[10] R. Au-Yeung, B. Camino, O. Rathore e V. Kendon, "Algoritmi quantistici per applicazioni scientifiche", arXiv: 2312.14904, (2023).
[11] Yasunari Suzuki, Suguru Endo, Keisuke Fujii e Yuuki Tokunaga, "Mitigazione dell'errore quantistico come tecnica universale di minimizzazione dell'errore: applicazioni dalle ere NISQ alle ere FTQC", arXiv: 2010.03887, (2020).
[12] Gokul Subramanian Ravi, Pranav Gokhale, Yi Ding, William M. Kirby, Kaitlin N. Smith, Jonathan M. Baker, Peter J. Love, Henry Hoffmann, Kenneth R. Brown e Frederic T. Chong, “CAFQA: Un classico bootstrap di simulazione per algoritmi quantistici variazionali”, arXiv: 2202.12924, (2022).
[13] He-Liang Huang, Xiao-Yue Xu, Chu Guo, Guojing Tian, Shi-Jie Wei, Xiaoming Sun, Wan-Su Bao e Gui-Lu Long, “Tecniche di calcolo quantistico a breve termine: algoritmi quantistici variazionali, mitigazione degli errori, compilazione di circuiti, benchmarking e simulazione classica”, Science China Fisica, meccanica e astronomia 66 5, 250302 (2023).
[14] Yasunari Suzuki, Suguru Endo, Keisuke Fujii e Yuuki Tokunaga, "Mitigazione degli errori quantistici come tecnica universale di riduzione degli errori: applicazioni dal NISQ alle ere del calcolo quantistico tolleranti ai guasti", PRX Quantico 3 1, 010345 (2022).
[15] Supanut Thanasilp, Samson Wang, M. Cerezo e Zoë Holmes, "Concentrazione esponenziale e non addestrabile nei metodi del kernel quantistico", arXiv: 2208.11060, (2022).
[16] Abhinav Deshpande, Pradeep Niroula, Oles Shtanko, Alexey V. Gorshkov, Bill Fefferman e Michael J. Gullans, "Limiti stretti alla convergenza di circuiti casuali rumorosi alla distribuzione uniforme", PRX Quantico 3 4, 040329 (2022).
[17] Giacomo De Palma, Milad Marvian, Cambyse Rouzé e Daniel Stilck França, “Limitazioni degli algoritmi quantistici variazionali: un approccio di trasporto ottimale quantistico”, PRX Quantico 4 1, 010309 (2023).
[18] Ingo Tews, Zohreh Davoudi, Andreas Ekström, Jason D. Holt, Kevin Becker, Raúl Briceño, David J. Dean, William Detmold, Christian Drischler, Thomas Duguet, Evgeny Epelbaum, Ashot Gasparyan, Jambul Gegelia, Jeremy R. Green , Harald W. Grießhammer, Andrew D. Hanlon, Matthias Heinz, Heiko Hergert, Martin Hoferichter, Marc Illa, David Kekejian, Alejandro Kievsky, Sebastian König, Hermann Krebs, Kristina D. Launey, Dean Lee, Petr Navrátil, Amy Nicholson, Assumpta Parreño, Daniel R. Phillips, Marek Płoszajczak, Xiu-Lei Ren, Thomas R. Richardson, Caroline Robin, Grigor H. Sargsyan, Martin J. Savage, Matthias R. Schindler, Phiala E. Shanahan, Roxanne P. Springer, Alexander Tichai , Ubirajara van Kolck, Michael L. Wagman, André Walker-Loud, Chieh-Jen Yang e Xilin Zhang, "Forze nucleari per la fisica nucleare di precisione: una raccolta di prospettive", Sistemi a pochi corpi 63 4, 67 (2022).
[19] C. Huerta Alderete, Max Hunter Gordon, Frédéric Sauvage, Akira Sone, Andrew T. Sornborger, Patrick J. Coles e M. Cerezo, "Rilevamento quantistico basato sull'inferenza", Lettere di revisione fisica 129 19, 190501 (2022).
[20] Frédéric Sauvage, Martín Larocca, Patrick J. Coles e M. Cerezo, "Costruire simmetrie spaziali in circuiti quantistici parametrizzati per un addestramento più veloce", Scienza e tecnologia quantistica 9 1, 015029 (2024).
[21] 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).
[22] 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, (2021).
[23] Laurin E. Fischer, Daniel Miller, Francesco Tacchino, Panagiotis Kl. Barkoutsos, Daniel J. Egger e Ivano Tavernelli, "Implementazione senza ancilla di misurazioni generalizzate per qubit incorporati in uno spazio qudit", Ricerca sulla revisione fisica 4 3, 033027 (2022).
[24] Travis L. Scholten, Carl J. Williams, Dustin Moody, Michele Mosca, William Hurley, William J. Zeng, Matthias Troyer e Jay M. Gambetta, "Valutare i vantaggi e i rischi dei computer quantistici", arXiv: 2401.16317, (2024).
[25] Benjamin A. Cordier, Nicolas PD Sawaya, Gian G. Guerreschi e Shannon K. McWeeney, "Biologia e medicina nel panorama dei vantaggi quantistici", arXiv: 2112.00760, (2021).
[26] Manuel S. Rudolph, Sacha Lerch, Supanut Thanasilp, Oriel Kiss, Sofia Vallecorsa, Michele Grossi e Zoë Holmes, "Barriere e opportunità di formazione nella modellazione generativa quantistica", arXiv: 2305.02881, (2023).
[27] Zhenyu Cai, "Un quadro pratico per la mitigazione degli errori quantistici", arXiv: 2110.05389, (2021).
[28] M. Cerezo, Guillaume Verdon, Hsin-Yuan Huang, Lukasz Cincio e Patrick J. Coles, "Sfide e opportunità nell'apprendimento automatico quantistico", arXiv: 2303.09491, (2023).
[29] Keita Kanno, Masaya Kohda, Ryosuke Imai, Sho Koh, Kosuke Mitarai, Wataru Mizukami e Yuya O. Nakagawa, "Interazione di configurazione quantistica selezionata: diagonalizzazione classica di hamiltoniani in sottospazi selezionati da computer quantistici", arXiv: 2302.11320, (2023).
[30] Tailong Xiao, Xinliang Zhai, Xiaoyan Wu, Jianping Fan e Guihua Zeng, "Vantaggio pratico dell'apprendimento automatico quantistico nell'imaging dei fantasmi", Fisica delle comunicazioni 6 1, 171 (2023).
[31] Kazunobu Maruyoshi, Takuya Okuda, Juan W. Pedersen, Ryo Suzuki, Masahito Yamazaki e Yutaka Yoshida, "Cariche conservate nella simulazione quantistica di catene di spin integrabili", Journal of Physics Un generale matematico 56 16, 165301 (2023).
[32] Marvin Bechtold, Johanna Barzen, Frank Leymann, Alexander Mandl, Julian Obst, Felix Truger e Benjamin Weder, "Indagando l'effetto del taglio del circuito in QAOA per il problema MaxCut sui dispositivi NISQ", Scienza e tecnologia quantistica 8 4, 045022 (2023).
[33] Christoph Hirche, Cambyse Rouzé e Daniel Stilck França, "Sui coefficienti di contrazione, ordini parziali e approssimazione delle capacità per canali quantistici", arXiv: 2011.05949, (2020).
[34] Cristina Cirstoiu, Silas Dilkes, Daniel Mills, Seyon Sivarajah e Ross Duncan, "Volumetric Benchmarking of Error Mitigation with Qermit", Quantico 7, 1059 (2023).
[35] Minh C. Tran, Kunal Sharma e Kristan Temme, "Località e mitigazione degli errori dei circuiti quantistici", arXiv: 2303.06496, (2023).
[36] Muhammad Kashif e Saif Al-Kuwari, "L'impatto della globalità e della località della funzione di costo nelle reti neurali quantistiche ibride sui dispositivi NISQ", Apprendimento automatico: scienza e tecnologia 4 1, 015004 (2023).
[37] Piotr Czarnik, Michael McKerns, Andrew T. Sornborger e Lukasz Cincio, "Migliorare l'efficienza della mitigazione degli errori basata sull'apprendimento", arXiv: 2204.07109, (2022).
[38] 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, (2022).
[39] Muhammad Kashif e Saif Al-kuwari, "ResQNets: un approccio residuo per mitigare gli altipiani aridi nelle reti neurali quantistiche", arXiv: 2305.03527, (2023).
[40] N. M. Guseynov, A. A. Zhukov, W. V. Pogosov e A. V. Lebedev, "Analisi approfondita degli algoritmi quantistici variazionali per l'equazione del calore", Revisione fisica A 107 5, 052422 (2023).
[41] Olivia Di Matteo e RM Woloshyn, "Suscettibilità alla fedeltà del calcolo quantistico mediante differenziazione automatica", Revisione fisica A 106 5, 052429 (2022).
[42] Matteo Robbiati, Alejandro Sopena, Andrea Papaluca e Stefano Carrazza, "Mitigazione degli errori in tempo reale per l'ottimizzazione variazionale su hardware quantistico", arXiv: 2311.05680, (2023).
[43] Piotr Czarnik, Michael McKerns, Andrew T. Sornborger e Lukasz Cincio, "Progettazione robusta in condizioni di incertezza nella mitigazione degli errori quantistici", arXiv: 2307.05302, (2023).
[44] Nico Meyer, Daniel D. Scherer, Axel Plinge, Christopher Mutschler e Michael J. Hartmann, "Gradienti di politica naturale quantistica: verso l'apprendimento per rinforzo efficiente in termini di campioni", arXiv: 2304.13571, (2023).
[45] Enrico Fontana, Ivan Rungger, Ross Duncan e Cristina Cîrstoiu, “Analisi spettrale per la diagnostica del rumore e la mitigazione dell'errore digitale basata su filtri”, arXiv: 2206.08811, (2022).
[46] Wei-Bin Ewe, Dax Enshan Koh, Siong Thye Goh, Hong-Son Chu e Ching Eng Png, "Simulazione variazionale basata sulla quantità delle modalità guida d'onda", Transazioni IEEE sulle tecniche della teoria delle microonde 70 5, 2517 (2022).
[47] Zichang He, Bo Peng, Yuri Alexeev e Zheng Zhang, "Algoritmi quantistici variazionali distribuzionalmente robusti con rumore spostato", arXiv: 2308.14935, (2023).
[48] Siddharth Dangwal, Gokul Subramanian Ravi, Poulami Das, Kaitlin N. Smith, Jonathan M. Baker e Frederic T. Chong, "VarSaw: mitigazione degli errori di misurazione su misura per l'applicazione per algoritmi quantistici variazionali", arXiv: 2306.06027, (2023).
[49] Jessie M. Henderson, Marianna Podzorova, M. Cerezo, John K. Golden, Leonard Gleyzer, Hari S. Viswanathan e Daniel O'Malley, "Algoritmi quantistici per reti di fratture geologiche", arXiv: 2210.11685, (2022).
[50] André Melo, Nathan Earnest-Noble, e Francesco Tacchino, “Pulse-efficient quantum machine learning”, Quantico 7, 1130 (2023).
[51] Christoph Hirche, Cambyse Rouzé e Daniel Stilck França, "Sui coefficienti di contrazione, ordini parziali e approssimazione delle capacità per canali quantistici", Quantico 6, 862 (2022).
[52] Jessie M. Henderson, Marianna Podzorova, M. Cerezo, John K. Golden, Leonard Gleyzer, Hari S. Viswanathan e Daniel O'Malley, "Algoritmi quantistici per reti di fratture geologiche", Rapporti scientifici 13, 2906 (2023).
[53] Marco Schumann, Frank K. Wilhelm e Alessandro Ciani, "Emergenza di altipiani sterili indotti dal rumore in modelli di rumore stratificati arbitrari", arXiv: 2310.08405, (2023).
[54] Sharu Theresa Jose e Osvaldo Simeone, "Ottimizzazione assistita dalla mitigazione degli errori di circuiti quantistici parametrizzati: analisi di convergenza", arXiv: 2209.11514, (2022).
[55] P. Singkanipa e DA Lidar, "Oltre il rumore unitario negli algoritmi quantistici variazionali: altipiani sterili e punti fissi indotti dal rumore", arXiv: 2402.08721, (2024).
[56] Kevin Lively, Tim Bode, Jochen Szangolies, Jian-Xin Zhu e Benedikt Fauseweh, "Firme sperimentali robuste delle transizioni di fase nel variazionale quantistico Eigensolver", arXiv: 2402.18953, (2024).
[57] Yunfei Wang e Junyu Liu, "Apprendimento automatico quantistico: da NISQ alla tolleranza ai guasti", arXiv: 2401.11351, (2024).
[58] Kosuke Ito e Keisuke Fujii, "SantaQlaus: un metodo efficiente in termini di risorse per sfruttare il rumore quantistico per l'ottimizzazione degli algoritmi quantistici variazionali", arXiv: 2312.15791, (2023).
Le citazioni sopra sono di ANNUNCI SAO / NASA (ultimo aggiornamento riuscito 2024-03-15 03:40:55). L'elenco potrebbe essere incompleto poiché non tutti gli editori forniscono dati di citazione adeguati e completi.
On Il servizio citato da Crossref non sono stati trovati dati su citazioni (ultimo tentativo 2024-03-15 03:40:53).
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.
- Distribuzione di contenuti basati su SEO e PR. Ricevi amplificazione oggi.
- PlatoData.Network Generativo verticale Ai. Potenzia te stesso. Accedi qui.
- PlatoAiStream. Intelligenza Web3. Conoscenza amplificata. Accedi qui.
- PlatoneESG. Carbonio, Tecnologia pulita, Energia, Ambiente, Solare, Gestione dei rifiuti. Accedi qui.
- Platone Salute. Intelligence sulle biotecnologie e sulle sperimentazioni cliniche. Accedi qui.
- Fonte: https://quantum-journal.org/papers/q-2024-03-14-1287/
- :È
- :non
- :Dove
- ][P
- $ SU
- 06
- 1
- 10
- 100
- 11
- 114
- 12
- 125
- 13
- 14
- 140
- 15%
- 16
- 17
- 19
- 1994
- 1998
- 20
- 2009
- 2011
- 2014
- 2016
- 2017
- 2018
- 2019
- 2020
- 2021
- 2022
- 2023
- 2024
- 22
- 2204
- 23
- 24
- 25
- 26%
- 27
- 28
- 29
- 30
- 31
- 32
- 33
- 35%
- 36
- 39
- 40
- 41
- 43
- 49
- 50
- 51
- 54
- 58
- 60
- 65
- 66
- 67
- 7
- 70
- 72
- 75
- 77
- 8
- 80
- 804
- 84
- 87
- 89
- 9
- 91
- 97
- 98
- a
- sopra
- ABSTRACT
- accesso
- preciso
- ACM
- attivo
- Adam
- adattabile
- Avanzate
- avanzamenti
- Vantaggio
- vantaggi
- contraddittorio
- affiliazioni
- AI
- aiuto
- AL
- Alan
- alex
- Alexander
- algoritmo
- Algoritmi
- Tutti
- assegnazione
- amy
- an
- .
- Analitico
- Analitico
- ed
- andre
- Andrea
- applicazioni
- applicato
- AMMISSIONE
- approccio
- approssimativo
- arbitrario
- SONO
- arya
- AS
- chiedere
- valutare
- assistito
- astronomia
- At
- tentativo
- gli attributi
- autore
- gli autori
- Automatico
- media
- panettiere
- sterile
- barriere
- basato
- Battaglia
- BE
- stato
- birra
- principianti
- analisi comparativa
- vantaggi
- benzoino
- MIGLIORE
- Al di là di
- Conto
- BIN
- biologia
- peso
- bootstrap
- entrambi
- Bound
- limiti
- Rompere
- ampio
- pelle
- Bryan
- Costruzione
- bollettino
- affari
- by
- cambridge
- strada
- Materiale
- non può
- cao
- capacità
- che
- Carl
- carlos
- caroline
- casi
- casper
- centro
- certo
- Catene
- sfide
- canali
- carica
- oneri
- chimica
- chen
- Cheng
- Cina
- Cinese
- chong
- rancio
- chris
- cristiano
- Christopher
- classe
- cavedano
- codificato
- collezione
- College
- commento
- commettere
- Popolo
- Comunicazioni
- rispetto
- competitivo
- completamento di una
- complesso
- computazionale
- computer
- Informatica
- computer
- informatica
- concentrazione
- Convegno
- Configurazione
- coerente
- continuo
- contrazione
- di controllo
- Convergenza
- copyright
- Costo
- taglio
- taglio
- Daniel
- dati
- data-driven
- dataset
- Dave
- David
- de
- deep
- dipendente
- profondità
- Derivati
- Design
- determinazione
- dispositivo
- dispositivi
- diagnostica
- Diane
- Diego
- Differenziazione
- digitale
- dimensioni
- dirette
- scoprire
- discutere
- distribuzione
- distribuzioni
- Divisione
- do
- dominante
- duncan
- dinamica
- e
- E&T
- Edward
- Edwin
- effetto
- efficienza
- efficiente
- o
- altrove
- incorporato
- emersione
- energia
- Ingegneria
- epoca
- eric
- errore
- errori
- prova
- evoluzione
- esattamente
- eccitato
- aspettativa
- sperimentale
- esponenziale
- in modo esponenziale
- si estende
- factoring
- fan
- FAST
- più veloce
- fedeltà
- Trovare
- Nome
- fisso
- fluttuazione
- Nel
- Forze
- essere trovato
- Fondazioni
- frattura
- Contesto
- franco
- da
- Frontier
- function
- funzioni
- fondamentale
- GAO
- gate
- gavin
- Generale
- generalizzata
- generativo
- Generatori
- geologico
- George
- Fantasma
- globali
- d'oro
- gordon
- gradienti
- concedere
- grafici
- Green
- cura
- Più forte
- Hardware
- harvard
- Avere
- he
- henry
- gerarchia
- Alta
- Highlight
- storie
- titolari
- speranza
- Tuttavia
- http
- HTTPS
- huang
- cacciatore
- IBRIDO
- ibrido quantistico-classico
- Identità
- IEEE
- Immagine
- immaginario
- Imaging
- Impact
- Imperial
- Imperial college
- Imperial College di Londra
- implementazione
- implementazioni
- competenze
- miglioramento
- in
- inclusi
- incorporando
- informazioni
- istituzioni
- interazione
- interessante
- Internazionale
- ai miglioramenti
- indagando
- Israele
- IT
- SUO
- ivan
- martinetto
- Jack Hidary
- Giacobbe
- Giacomo
- Giappone
- JavaScript
- jeffrey
- jeremy
- JOE
- John
- Johnson
- Jonathan
- Jones
- joshua
- rivista
- Giovanni
- kenneth
- Le
- Kim
- kirby
- bacio
- Re
- di laboratorio
- paesaggio
- paesaggi
- grandi
- Cognome
- Lau
- stratificato
- apprendimento
- Lasciare
- sottovento
- leonard
- Leva
- Li
- Licenza
- LIMITE
- limiti
- limiti
- lin
- lineare
- Lista
- locale
- Londra
- Lunghi
- dei
- Laboratorio nazionale di Los Alamos
- Louis
- amore
- Basso
- inferiore
- macchina
- machine learning
- make
- mar
- Marco
- maria
- martyn
- Materiale
- matematico
- matthew
- max
- max-width
- massimo
- Maggio..
- McClean
- misurare
- misurazioni
- meccanica
- Media
- medicina
- metodo
- metodi
- metrologia
- Meyer
- Michael
- Mikhail
- miglio
- mugnaio
- mulini
- minimizzazione
- Ridurre la perdita dienergia con una
- attenuante
- attenuazione
- modello
- modellismo
- modelli
- moderno
- modalità di
- molecolare
- Mese
- muhammad
- nathan
- il
- Naturale
- Natura
- Vicino
- Rete
- reti
- neurale
- rete neurale
- reti neurali
- New
- nicola
- Nicolas
- no
- Rumore
- non lineare
- nucleare
- Fisica Nucleare
- quercia
- obiettivo
- of
- di frequente
- on
- aprire
- operatore
- Opportunità
- ottica
- ottimale
- ottimizzazione
- or
- minimo
- ordini
- i
- Altro
- nostro
- alto
- pagine
- Carta
- patrick
- Paul
- Eseguire
- performance
- prospettive
- Peter
- fase
- fenomeno
- Fisico
- Fisica
- Platone
- Platone Data Intelligence
- PlatoneDati
- punto
- Punto di vista
- punti
- politica
- positivo
- possibilità
- Powell
- Pratico
- Pradeep
- Precisione
- stampa
- Problema
- problemi
- processi
- i processi
- Processore
- processori
- produce
- PROMETTIAMO
- proprietà
- protocolli
- fornire
- pubblicato
- editore
- editori
- Qi
- Quantistico
- vantaggio quantistico
- algoritmi quantistici
- Computer quantistico
- computer quantistici
- calcolo quantistico
- correzione di errori quantistici
- porta quantistica
- informazione quantistica
- apprendimento automatico quantistico
- tecnologia quantistica
- qubit
- R
- RAMINO
- casuale
- raggiungere
- tempo reale
- recente
- riducendo
- riduzione
- Riferimenti
- affidabile
- resti
- renna
- Report
- riparazioni
- elasticità
- elastico
- risolvere
- risoluto
- risorsa
- Risorse
- colpevole
- Risultati
- recensioni
- Recensioni
- Richard
- rischi
- ROBERT
- pettirosso
- robusto
- running
- Ryan
- s
- Sam
- campione
- Scala
- scala
- Scienze
- Scienza e Tecnologia
- scientifico
- Scott
- Sean
- Cerca
- Secondo
- selezionato
- AUTO
- impostazioni
- grave
- gravemente
- superficiale
- Sharma
- shaw
- spostato
- tiro
- dovrebbero
- mostrare attraverso le sue creazioni
- mostrato
- Spettacoli
- siam
- firme
- Simon
- simulazione
- simulazioni
- simulatore
- Dimensioni
- fabbro
- Società
- alcuni
- presto
- sophia
- lo spazio
- Spaziale
- la nostra speciale
- Spettrale
- velocità
- Spin
- stanford
- Regione / Stato
- state-of-the-art
- stati
- stefan
- strategie
- studi
- Con successo
- tale
- adatto
- Dom.
- repressione
- Susan
- suscettibilità
- sistema
- SISTEMI DI TRATTAMENTO
- preso
- per l'esame
- tecniche
- Tecnologie
- Tecnologia
- termine
- che
- Il
- Il paesaggio
- loro
- Li
- teoria
- Strumenti Bowman per analizzare le seguenti finiture:
- di
- questo
- Tommaso
- tre
- così
- stretto
- Tim
- tempo
- Titolo
- a
- tolleranza
- pure
- Strumenti
- strumenti
- verso
- Treni
- Training
- Le transazioni
- transizioni
- trasporto
- Tyler
- Tipi di
- Incertezza
- per
- universale
- Università
- aggiornato
- URL
- uso
- utilizzando
- Valori
- di
- Convalida
- verificato
- via
- Visualizza
- virtuale
- volume
- vs
- W
- wang
- volere
- Prima
- we
- se
- william
- Williams
- con
- senza
- Wolf
- legno
- Lavora
- lavori
- Wright
- wu
- X
- xiao
- anno
- YING
- Yuan
- zefiro
- zero
- Zhao
- Zhong
