1이론 부문, Los Alamos National Laboratory, Los Alamos, NM 87545, USA
226 Richmond Street, Glasgow G1 1XH, UK Strathclyde 대학교 컴퓨터 및 정보 과학부
3국립 물리 연구소, 테딩턴 TW11 0LW, 영국
4비선형 연구 센터, Los Alamos National Laboratory, Los Alamos, NM, USA
5국립 물리 연구소, 테딩턴, 영국
이 논문이 흥미 롭거나 토론하고 싶습니까? SciRate에 댓글을 달거나 댓글 남기기.
추상
매개변수화된 양자 회로(PQC)의 비용 환경에 대해서는 알려진 바가 거의 없습니다. 그럼에도 불구하고, PQC는 양자 신경망 및 변형 양자 알고리즘에 사용되며, 이는 단기 양자 이점을 허용할 수 있습니다. 이러한 응용 프로그램에는 PQC를 훈련하는 우수한 최적화 프로그램이 필요합니다. 최근 작업은 특히 PQC에 맞게 맞춤화된 양자 인식 최적화에 초점을 맞췄습니다. 그러나 비용 환경에 대한 무지는 이러한 최적화 프로그램으로의 진행을 방해할 수 있습니다. 이 작업에서 우리는 PQC에 대한 두 가지 결과를 분석적으로 증명합니다. (1) PQC에서 기하급수적으로 큰 대칭을 발견하여 비용 환경에서 최소값의 기하급수적으로 큰 축퇴를 생성합니다. 또는 관련 하이퍼파라미터 공간의 부피가 기하급수적으로 감소하는 것으로 나타낼 수 있습니다. (2) 우리는 잡음에서 대칭의 탄력성을 연구하고 단위 잡음에서 보존되지만 비-단위 채널이 이러한 대칭을 깨고 최소값의 퇴화를 들어 올려 여러 개의 새로운 로컬 최소값으로 이어질 수 있음을 보여줍니다. 이러한 결과를 기반으로 PQC의 기본 대칭을 활용하는 SYMH(Symmetry-based Minima Hopping)라는 최적화 방법을 소개합니다. 우리의 수치 시뮬레이션은 SYMH가 현재 하드웨어와 비슷한 수준에서 비단위 노이즈가 있을 때 전반적인 최적화 성능을 향상시킨다는 것을 보여줍니다. 전반적으로, 이 작업은 로컬 게이트 변환에서 대규모 회로 대칭을 도출하고 이를 사용하여 노이즈 인식 최적화 방법을 구성합니다.
주요 이미지: 매개변수화된 양자 회로의 비용 함수 환경에서 대칭.
인기 요약
► BibTeX 데이터
► 참고 문헌
[1] J. 프리스킬. NISQ 시대와 그 이후의 양자 컴퓨팅. Quantum, 2: 79, 2018. 10.22331/ q-2018-08-06-79.
https://doi.org/10.22331/q-2018-08-06-79
[2] M. Cerezo, Andrew Arrasmith, Ryan Babbush, Simon C Benjamin, Suguru Endo, Keisuke Fujii, Jarrod R McClean, Kosuke Mitarai, Xiao Yuan, Lukasz Cincio, Patrick J. Coles. 변형 양자 알고리즘. 네이처 리뷰 물리학, 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/articles/ s42254-021-00348-9
[3] A. Peruzzo, J. McClean, P. Shadbolt, M.-H. 영, X.-Q. Zhou, PJ Love, A. Aspuru-Guzik 및 JL O'Brien. 광자 양자 프로세서의 변형 고유값 솔버. Nature Communications, 5: 4213, 2014. 10.1038/ncomms5213. URL https:///www.nature.com/articles/ncomms5213.
https : / /doi.org/ 10.1038 / ncomms5213
https : / /www.nature.com/articles/ ncomms5213
[4] Jarrod R McClean, Jonathan Romero, Ryan Babbush 및 Alán Aspuru-Guzik. 변이 하이브리드 양자-고전 알고리즘 이론. New Journal of Physics, 18(2): 023023, 2016. 10.1088/1367-2630/18/2/023023. URL https:///iopscience.iop.org/article/10.1088/1367-2630/18/2/023023/meta.
https://doi.org/10.1088/1367-2630/18/2/023023
[5] 에드워드 파리, 제프리 골드스톤, 샘 거트만. 양자 근사 최적화 알고리즘. arXiv 사전 인쇄 arXiv:1411.4028, 2014. 10.48550/arXiv.1411.4028. URL https:///arxiv.org/abs/1411.4028.
https:///doi.org/10.48550/arXiv.1411.4028
arXiv : 1411.4028
[6] J. Romero, JP Olson 및 A. Aspuru-Guzik. 양자 데이터의 효율적인 압축을 위한 양자 자동 인코더. 양자 과학 및 기술, 2(4): 045001, 2017년 10.1088월. 2058/9565-8072/aa10.1088. URL https:///iopscience.iop.org/article/2058/9565-8072/aaXNUMX.
https : / /doi.org/ 10.1088 / 2058-9565 / aa8072
[7] Sumeet Khatri, Ryan LaRose, Alexander Poremba, Lukasz Cincio, Andrew T. Sonborger 및 Patrick J. Coles. 양자 지원 양자 컴파일. Quantum, 3: 140, 2019년 2521월. ISSN 327-10.22331X. 2019/q-05-13-140-10.22331. URL https:///doi.org/2019/q-05-13-140-XNUMX.
https://doi.org/10.22331/q-2019-05-13-140
[8] R. LaRose, A. Tikku, É. O'Neel-Judy, L. Cincio 및 PJ Coles. 변형 양자 상태 대각화. npj 양자 정보, 5: 1–10, 2018. 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/articles/ s41534-019-0167-6
[9] A. Arrasmith, L. Cincio, AT Sonborger, WH Zurek 및 PJ Coles. 양자 기반을 위한 하이브리드 알고리즘으로서의 변이 일관성 이력. 네이처 커뮤니케이션즈, 10(1): 3438, 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/articles/ s41467-019-11417-0
[10] M. Cerezo, Alexander Poremba, Lukasz Cincio 및 Patrick J Coles. 변동 양자 충실도 추정. Quantum, 4: 248, 2020a. 10.22331/q-2020-03-26-248.
https://doi.org/10.22331/q-2020-03-26-248
[11] Cristina Cirstoiu, Zoe Holmes, Joseph Iosue, Lukasz Cincio, Patrick J Coles 및 Andrew Sonborger. 일관성 시간을 넘어 양자 시뮬레이션을 위한 Variational Fast Forwarding. npj Quantum Information, 6(1): 1–10, 2020. URL 10.1038/s41534-020-00302-0.
https://doi.org/10.1038/s41534-020-00302-0
[12] Carlos Bravo-Prieto, Ryan LaRose, M. Cerezo, Yigit Subasi, Lukasz Cincio 및 Patrick Coles. 변형 양자 선형 솔버. arXiv 사전 인쇄 arXiv:1909.05820, 2019. 10.48550/arXiv.1909.05820. URL https:///arxiv.org/abs/1909.05820.
https:///doi.org/10.48550/arXiv.1909.05820
arXiv : 1909.05820
[13] M. Cerezo, Kunal Sharma, Andrew Arrasmith 및 Patrick J Coles. 변형 양자 상태 고유 솔버. arXiv 사전 인쇄 arXiv:2004.01372, 2020b. 10.48550/arXiv.2004.01372. URL https:///arxiv.org/abs/2004.01372.
https:///doi.org/10.48550/arXiv.2004.01372
arXiv : 2004.01372
[14] Ivan Rungger, Nathan Fitzpatrick, Honxiang Chen, CH Alderete, Harriett Apel, Alexander Cowtan, Andrew Patterson, D Munoz Ramo, Yingyue Zhu, Nhung Hong Nguyen 등 양자 컴퓨터에 대한 동적 평균 필드 이론 알고리즘 및 실험. arXiv 사전 인쇄 arXiv:1910.04735, 2019. 10.48550/arXiv.1910.04735. URL https:///arxiv.org/abs/1910.04735.
https:///doi.org/10.48550/arXiv.1910.04735
arXiv : 1910.04735
[15] 마리아 슐드, 일리아 시나이스키, 프란체스코 페트루치오네. 양자 신경망에 대한 탐구. 양자정보처리, 13(11): 2567–2586, 2014. 10.1007/s11128-014-0809-8. URL https:///link.springer.com/article/10.1007/s11128-014-0809-8.
https://doi.org/10.1007/s11128-014-0809-8
[16] Iris Cong, 최순원, Mikhail D Lukin. 양자 컨볼루션 신경망. Nature Physics, 15(12): 1273–1278, 2019. 10.1038/s41567-019-0648-8. URL https://www.nature.com/articles/s41567-019-0648-8.
https://doi.org/10.1038/s41567-019-0648-8
https : / /www.nature.com/articles/ s41567-019-0648-8
[17] Kerstin Beer, Dmytro Bondarenko, Terry Farrelly, Tobias J Osborne, Robert Salzmann, Daniel Scheiermann 및 Ramona Wolf. 심층 양자 신경망 훈련. Nature Communications, 11(1): 1–6, 2020. 10.1038/s41467-020-14454-2. URL https://www.nature.com/articles/s41467-020-14454-2.
https://doi.org/10.1038/s41467-020-14454-2
https : / /www.nature.com/articles/ s41467-020-14454-2
[18] 기욤 베르동, 제이슨 파이, 마이클 브로튼. 양자 딥 러닝을 위한 보편적인 훈련 알고리즘. arXiv 사전 인쇄 arXiv:1806.09729, 2018. 10.48550/arXiv.1806.09729. URL https:///arxiv.org/abs/1806.09729.
https:///doi.org/10.48550/arXiv.1806.09729
arXiv : 1806.09729
[19] Andrew Patterson, Hongxiang Chen, Leonard Wossnig, Simone Severini, Dan Browne 및 Ivan Rungger. 잡음이 많은 양자 신경망을 사용한 양자 상태 판별. Physical Review Research, 3(1): 013063, 2021. 10.1103/PhysRevResearch.3.013063. URL https:///journals.aps.org/prresearch/abstract/10.1103/PhysRevResearch.3.013063.
https : / /doi.org/10.1103/ PhysRevResearch.3.013063
[20] Patrick Huembeli와 Alexandre Dauphin. 변이 양자 회로의 손실 환경 특성화. 양자 과학 및 기술, 6(2): 025011, 2021. 10.1088/2058-9565/abdbc9. URL https:///iopscience.iop.org/article/10.1088/2058-9565/abdbc9.
https:///doi.org/10.1088/2058-9565/abdbc9
[21] K. Mitarai, M. Negoro, M. Kitagawa 및 K. Fujii. 양자 회로 학습. 물리. 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
[22] Maria Schuld, Ville Bergholm, Christian Gogolin, Josh Izaac 및 Nathan Killoran. 양자 하드웨어에서 분석 기울기 평가. Physical Review 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
[23] 미타라이 코스케, 후지이 케이스케. 간접 측정을 직접 측정으로 대체하기 위한 방법론. Physical Review Research, 1(1): 013006, 2019. 10.1103/PhysRevResearch.1.013006. URL https:///journals.aps.org/prresearch/abstract/10.1103/PhysRevResearch.1.013006.
https : / /doi.org/10.1103/ PhysRevResearch.1.013006
[24] M. Cerezo 및 Patrick J Coles. 불모의 고원이 있는 양자 신경망의 고차 도함수. 양자 과학 및 기술, 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
[25] Andrea Mari, Thomas R. Bromley, Nathan Killoran. 양자 하드웨어에서 기울기 및 고차 도함수 추정. 물리. A, 103: 012405, 2021년 10.1103월. 103.012405/PhysRevA.10.1103. URL https:///link.aps.org/doi/103.012405/PhysRevA.XNUMX.
https : / /doi.org/10.1103/ PhysRevA.103.012405
[26] Jonas M Kübler, Andrew Arrasmith, Lukasz Cincio, Patrick J Coles. 측정-절약 변형 알고리즘을 위한 적응형 최적화 프로그램입니다. 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/papers/ q-2020-05-11-263 /
[27] Ken M Nakanishi, Keisuke Fujii 및 Synge Todo. 양자-고전 하이브리드 알고리즘에 대한 순차 최소 최적화. 물리적 검토 연구, 2(4): 043158, 2020a. URL 10.1103/PhysRevResearch.2.043158.
https : / /doi.org/10.1103/ PhysRevResearch.2.043158
[28] Jarrod R McClean, Sergio Boixo, Vadim N Smelyanskiy, Ryan Babbush 및 Hartmut Neven. 양자 신경망 훈련 환경의 황량한 고원. 네이처 커뮤니케이션즈, 9(1): 4812, 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/articles/ s41467-018-07090-4
[29] M. Cerezo, Akira Sone, Tyler Volkoff, Lukasz Cincio, Patrick J Coles. 얕은 매개변수화된 양자 회로에서 비용 함수 종속 불모의 고원. Nature Communications, 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
[30] Kunal Sharma, M. Cerezo, Lukasz Cincio 및 Patrick J Coles. 소산 퍼셉트론 기반 양자 신경망의 훈련 가능성. Physical Review Letters, 128 (18): 180505, 2022. 10.1103/PhysRevLett.128.180505.
https : / /doi.org/10.1103/ PhysRevLett.128.180505
[31] Zoë Holmes, Andrew Arrasmith, Bin Yan, Patrick J. Coles, Andreas Albrecht, Andrew T Sonborger. 불모의 고원은 학습 스크램블러를 방해합니다. Physical Review Letters, 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
[32] Arthur Pesah, M. Cerezo, Samson Wang, Tyler Volkoff, Andrew T Sonborger 및 Patrick J Coles. 양자 컨볼루션 신경망에 불모의 고원이 없습니다. Physical Review 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
[33] Carlos Ortiz Marrero, Mária Kieferová, Nathan Wiebe. 얽힘으로 인한 불모의 고원. PRX Quantum, 2(4): 040316, 2021. 10.1103/PRXQuantum.2.040316.
https : / / doi.org/ 10.1103 / PRXQuantum.2.040316
[34] Kathleen E Hamilton, Tyler Kharazi, Titus Morris, Alexander J McCaskey, Ryan S Bennink, Raphael C Pooser. 확장 가능한 양자 프로세서 노이즈 특성화. 2020년 IEEE QCE(양자 컴퓨팅 및 엔지니어링에 관한 국제 회의), 430–440페이지. IEEE, 2020. 10.1109/QCE49297.2020.00060. URL https:///ieeexplore.ieee.org/abstract/document/9259938.
https : / / doi.org/ 10.1109 / QCE49297.2020.00060
https : / / ieeexplore.ieee.org/ abstract / document / 9259938
[35] Samson Wang, Enrico Fontana, M. Cerezo, Kunal Sharma, Akira Sone, Lukasz Cincio 및 Patrick J Coles. 변형 양자 알고리즘에서 노이즈 유발 불모의 고원. Nature Communications, 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/articles/ s41467-021-27045-6
[36] Kunal Sharma, Sumeet Khatri, M. Cerezo 및 Patrick J Coles. 변이 양자 컴파일의 잡음 복원력. 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
[37] 엔리코 폰타나, 네이선 피츠패트릭, 데이비드 무뇨즈 라모, 로스 던컨, 이반 렁거. 변이 양자 알고리즘의 잡음 복원력 평가. Physical Review A, 104(2): 022403, 2021. 10.1103/PhysRevA.104.022403. URL https:///journals.aps.org/pra/abstract/10.1103/PhysRevA.104.022403.
https : / /doi.org/10.1103/ PhysRevA.104.022403
[38] 제임스 스톡스, 조시 아이작, 네이선 킬로런, 주세페 칼레오. 양자 자연 그라데이션. 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/papers/ q-2020-05-25-269 /
[39] Bálint Koczor와 Simon C Benjamin. 비 단일 회로로 일반화된 양자 자연 기울기. arXiv 사전 인쇄 arXiv:1912.08660, 2019. 10.48550/arXiv.1912.08660. URL https:///arxiv.org/abs/1912.08660.
https:///doi.org/10.48550/arXiv.1912.08660
arXiv : 1912.08660
[40] Ken M Nakanishi, Keisuke Fujii 및 Synge Todo. 양자-고전 하이브리드 알고리즘에 대한 순차 최소 최적화. 물리적 검토 연구, 2(4): 043158, 2020b. 10.1103/PhysRevResearch.2.043158. URL https:///journals.aps.org/prresearch/abstract/10.1103/PhysRevResearch.2.043158.
https : / /doi.org/10.1103/ PhysRevResearch.2.043158
[41] 앤드류 아라스미스, 루카스 신시오, 롤란도 D 솜마, 패트릭 J 콜스. 변형 알고리즘에서 간결한 최적화를 위한 연산자 샘플링. arXiv 사전 인쇄 arXiv:2004.06252, 2020. 10.48550/arXiv.2004.06252. URL https:///arxiv.org/abs/2004.06252.
https:///doi.org/10.48550/arXiv.2004.06252
arXiv : 2004.06252
[42] Ryan Sweke, Frederik Wilde, Johannes Jakob Meyer, Maria Schuld, Paul K Fährmann, Barthélémy Meynard-Piganau, Jens Eisert. 하이브리드 양자 고전 최적화를 위한 확률적 경사하강법. Quantum, 4: 314, 2020. 10.22331/q-2020-08-31-314. URL https:///quantum-journal.org/papers/q-2020-08-31-314/.
https://doi.org/10.22331/q-2020-08-31-314
https : / /quantum-journal.org/papers/ q-2020-08-31-314 /
[43] Kevin J 성, Jiahao Yao, Matthew P Harrigan, Nicholas C Rubin, Zhang Jiang, Lin Lin, Ryan Babbush 및 Jarrod R McClean. 모델을 사용하여 변형 양자 알고리즘에 대한 최적화 프로그램을 개선합니다. 양자 과학 및 기술, 5(4): 044008, 2020. 10.1088/2058-9565/abb6d9. URL https:///iopscience.iop.org/article/10.1088/2058-9565/abb6d9.
https://doi.org/10.1088/2058-9565/abb6d9
[44] Wim Lavrijsen, Ana Tudor, Juliane Müller, Costin Iancu, Wibe de Jong. 잡음이 있는 중간 규모 양자 장치를 위한 고전적 옵티마이저. arXiv 사전 인쇄 arXiv:2004.03004, 2020. 10.1109/QCE49297.2020.00041. URL https:///arxiv.org/abs/2004.03004.
https : / / doi.org/ 10.1109 / QCE49297.2020.00041
arXiv : 2004.03004
[45] 아람 해로우와 존 냅. 낮은 깊이의 기울기 측정은 변형 하이브리드 양자 고전 알고리즘의 수렴을 향상시킬 수 있습니다. arXiv 사전 인쇄 arXiv:1901.05374, 2019. URL 10.1103/PhysRevLett.126.140502.
https : / /doi.org/10.1103/ PhysRevLett.126.140502
arXiv : 1901.05374
[46] A. Kandala, A. Mezzacapo, K. Temme, M. Takita, M. Brink, JM Chow 및 JM Gambetta. 소분자 및 양자 자석을 위한 하드웨어 효율적인 변형 양자 고유 솔버입니다. Nature, 549 (7671): 242, 2017. 10.1038/nature23879. URL https:///www.nature.com/articles/nature23879.
https : / /doi.org/ 10.1038 / nature23879
https : / /www.nature.com/articles/́nature23879
[47] S. Hadfield, Z. Wang, B. O'Gorman, EG Rieffel, D. Venturelli 및 R. Biswas. 양자 근사 최적화 알고리즘에서 양자 교대 연산자 ansatz까지. 알고리즘, 12(2): 34, 2019년 1999월. ISSN 4893-10.3390. 12020034/a1999. URL https://www.mdpi.com/4893-12/2/34/XNUMX.
https : / /doi.org/10.3390/ a12020034
https://www.mdpi.com/1999-4893/12/2/34
[48] Yudong Cao, Jonathan Romero, Jonathan P Olson, Matthias Degroote, Peter D Johnson, Mária Kieferová, Ian D Kivlichan, Tim Menke, Borja Peropadre, Nicolas PD Sawaya 등 양자 컴퓨팅 시대의 양자 화학. Chemical review, 119 (19): 10856–10915, 2019. 10.1021/acs.chemrev.8b00803. URL https:///pubs.acs.org/doi/10.1021/acs.chemrev.8b00803.
https : / /doi.org/ 10.1021 / acs.chemrev.8b00803
[49] Rodney J Bartlett 및 Monika Musiał. 양자 화학의 결합 클러스터 이론. 현대 물리학의 리뷰, 79(1): 291, 2007. 10.1103/RevModPhys.79.291. URL https:///journals.aps.org/rmp/abstract/10.1103/RevModPhys.79.291.
https : / /doi.org/10.1103/ RevModPhys.79.291
[50] 이준호, William J Huggins, Martin Head-Gordon, K Birgitta Whale. 양자 계산을 위한 일반화된 단일 결합 클러스터 파동 함수. 화학 이론 및 계산 저널, 15(1): 311–324, 2018. 10.1021/acs.jctc.8b01004. URL https:///pubs.acs.org/doi/10.1021/acs.jctc.8b01004.
https : / /doi.org/ 10.1021 / acs.jctc.8b01004
[51] 밥 콕과 로스 던컨. 상호 작용하는 양자 관측 가능: 범주 대수 및 다이어그램. New Journal of Physics, 13(4): 043016, 2011. 10.1088/1367-2630/13/4/043016. URL https:///iopscience.iop.org/article/10.1088/1367-2630/13/4/043016.
https://doi.org/10.1088/1367-2630/13/4/043016
[52] Daniel Stilck França와 Raul Garcia-Patron. 잡음이 많은 양자 장치에 대한 최적화 알고리즘의 한계. Nature Physics, 17(11): 1221–1227, 2021. 10.1038/s41567-021-01356-3. URL https://www.nature.com/articles/s41567-021-01356-3.
https://doi.org/10.1038/s41567-021-01356-3
https : / /www.nature.com/articles/ s41567-021-01356-3
[53] Bryan T Gard, Linghua Zhu, George S Barron, Nicholas J Mayhall, Sophia E Economou, Edwin Barnes. 변형 양자 고유 솔버 알고리즘을 위한 효율적인 대칭 보존 상태 준비 회로. npj 양자 정보, 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/articles/ s41534-019-0240-1
[54] Michael Streif, Martin Leib, Filip Wudarski, Eleanor Rieffel, Zhihui Wang. 국소 입자 수 보존을 통한 양자 알고리즘: 노이즈 효과 및 오류 수정. Physical Review A, 103(4): 042412, 2021. 10.1103/PhysRevA.103.042412. URL https:///journals.aps.org/pra/abstract/10.1103/PhysRevA.103.042412.
https : / /doi.org/10.1103/ PhysRevA.103.042412
[55] FT Chong, D. Franklin 및 M. Martonosi. 현실적인 양자 하드웨어를 위한 프로그래밍 언어 및 컴파일러 설계. Nature, 549 (7671): 180, 2017. 10.1038/nature23459. URL https://www.nature.com/articles/nature23459.
https : / /doi.org/ 10.1038 / nature23459
https : / /www.nature.com/articles/́nature23459
[56] Thomas Häner, Damian S Steiger, Krysta Svore, Matthias Troyer. 양자 프로그램을 컴파일하기 위한 소프트웨어 방법론. 양자 과학 및 기술, 3(2): 020501, 2018. 10.1088/2058-9565/aaa5cc. URL https:///iopscience.iop.org/article/10.1088/2058-9565/aaa5cc.
https : / / doi.org/ 10.1088 / 2058-9565 / aaa5cc
[57] D. Venturelli, M. Do, E. Rieffel, J. Frank. 시간 계획자를 사용하여 양자 회로를 현실적인 하드웨어 아키텍처로 컴파일합니다. 양자 과학 및 기술, 3(2): 025004, 2018. 10.1088/2058-9565/aaa331. URL https:///iopscience.iop.org/article/10.1088/2058-9565/aaa331.
https : / / doi.org/ 10.1088 / 2058-9565 / aaa331
[58] 타이슨 존스와 사이먼 C 벤자민. 에너지 최소화를 통한 강력한 양자 컴파일 및 회로 최적화. Quantum, 6: 628, 2022. 10.22331/q-2022-01-24-628. URL https:///quantum-journal.org/papers/q-2022-01-24-628/.
https://doi.org/10.22331/q-2022-01-24-628
https : / /quantum-journal.org/papers/ q-2022-01-24-628 /
[59] 헤야 켄타로, 스즈키 야스나리, 나카무라 야스노부, 후지이 케이스케. 변형 양자 게이트 최적화. arXiv 사전 인쇄 arXiv:1810.12745, 2018. 10.48550/arXiv.1810.12745. URL https:///arxiv.org/abs/1810.12745.
https:///doi.org/10.48550/arXiv.1810.12745
arXiv : 1810.12745
[60] MJD 파월. 도함수가 없는 경계 제약 최적화를 위한 BOBYQA 알고리즘. 기술 보고서, 응용 수학 및 이론 물리학과, 01 2009. URL https:///www.damtp.cam.ac.uk/user/na/NA_papers/NA2009_06.pdf.
https:///www.damtp.cam.ac.uk/user/na/NA_papers/NA2009_06.pdf
[61] 데이브 웨커, 매튜 B 헤이스팅스, 마티아스 트로이어. 실용적인 양자 변이 알고리즘을 향한 진보. Physical Review A, 92(4): 042303, 2015. 10.1103/PhysRevA.92.042303. URL https:///journals.aps.org/pra/abstract/10.1103/PhysRevA.92.042303.
https : / /doi.org/10.1103/ PhysRevA.92.042303
[62] Roeland Wiersema, Cunlu Zhou, Yvette de Sereville, Juan Felipe Carrasquilla, Yong 백 Kim, Henry Yuen. 해밀턴 변이 ansatz 내에서 얽힘 및 최적화 탐색. PRX Quantum, 1(2): 020319, 2020. 10.1103/PRXQuantum.1.020319. URL https:///journals.aps.org/prxquantum/pdf/10.1103/PRXQuantum.1.020319.
https : / / doi.org/ 10.1103 / PRXQuantum.1.020319
[63] Xuchen You와 Xiaodi Wu. 양자 신경망에서 기하급수적으로 많은 극소값. 기계 학습에 관한 국제 회의, 페이지 12144–12155. PMLR, 2021. URL https:///procedings.mlr.press/v139/you21c.html.
https:///proceedings.mlr.press/v139/you21c.html
[64] Hans J Briegel, David E Browne, Wolfgang Dür, Robert Raussendorf, Maarten Van den Nest. 측정 기반 양자 계산. Nature Physics, 5(1): 19–26, 2009. 10.1038/nphys1157. URL https://www.nature.com/articles/nphys1157.
https : / /doi.org/ 10.1038 / nphys1157
https : / / www.nature.com/ articles / nphys1157
[65] 빈센트 다노스와 엘함 카셰피. 단방향 모델의 결정론. Physical Review A, 74(5): 052310, 2006. 10.1103/PhysRevA.74.052310. URL https:///journals.aps.org/pra/abstract/10.1103/PhysRevA.74.052310.
https : / /doi.org/10.1103/ PhysRevA.74.052310
[66] Scott Kirkpatrick, C Daniel Gelatt, Mario P Vecchi. 시뮬레이션된 어닐링에 의한 최적화. science, 220 (4598): 671–680, 1983. 10.1126/science.220.4598.671. URL https:///www.science.org/doi/abs/10.1126/science.220.4598.671.
https : / /doi.org/10.1126/ science.220.4598.671
[67] Wagner F Sacco 및 CREA 올리베이라. 입자 충돌 메타휴리스틱을 기반으로 하는 새로운 확률론적 최적화 알고리즘입니다. 6차 WCSMO, 2005. URL https:///citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.80.6308&rep=rep1&type=pdf.
https:///citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.80.6308&rep=rep1&type=pdf
[68] Ana Carolina Rios-Coelho, Wagner F Sacco 및 Nélio Henderson. 전역 최적화에 적용된 hooke-jeeves 지역 검색 방법과 결합된 대도시 알고리즘. 응용 수학 및 계산, 217(2): 843–853, 2010. 10.1016/j.amc.2010.06.027. URL https:///www.sciencedirect.com/science/article/pii/S0096300310007125.
https : / /doi.org/ 10.1016 / j.amc.2010.06.027
https : / / www.sciencedirect.com/ science / article / pii / S0096300310007125
[69] 일리야 로시칠로프와 프랭크 후터. Sgdr: 웜 재시작을 통한 확률적 경사 하강. arXiv 사전 인쇄 arXiv:1608.03983, 2016. 10.48550/arXiv.1608.03983. URL https:///arxiv.org/abs/1608.03983.
https:///doi.org/10.48550/arXiv.1608.03983
arXiv : 1608.03983
[70] Oliver Kern, Gernot Alber, Dima L Shepelyansky. 무작위화에 의한 일관된 오류의 양자 오류 수정. The European Physical Journal D-Atomic, Molecular, Optical and Plasma Physics, 32(1): 153–156, 2005. 10.1140/epjd/e2004-00196-9. URL https:///link.springer.com/article/10.1140/epjd/e2004-00196-9.
https : / /doi.org/10.1140/epjd/e2004-00196-9
[71] 조엘 J 월먼과 조셉 에머슨. 무작위 컴파일을 통한 확장 가능한 양자 계산을 위한 노이즈 조정. Physical Review A, 94(5): 052325, 2016. URL 10.1103/PhysRevA.94.052325.
https : / /doi.org/10.1103/ PhysRevA.94.052325
[72] Osama Moussa, Marcus P da Silva, Colm A Ryan 및 Raymond Laflamme. 회전 절차를 사용한 계산 양자 게이트의 실제 실험 인증. 물리적 검토 편지, 109(7): 070504, 2012. 10.1103/PhysRevLett.109.070504. URL https:///journals.aps.org/prl/abstract/10.1103/PhysRevLett.109.070504.
https : / /doi.org/10.1103/ PhysRevLett.109.070504
[73] Kristan Temme, Sergey Bravyi 및 Jay M Gambetta. 짧은 깊이 양자 회로에 대한 오류 완화. 물리적 검토 편지, 119(18): 180509, 2017. 10.1103/PhysRevLett.119.180509. URL https:///journals.aps.org/prl/abstract/10.1103/PhysRevLett.119.180509.
https : / /doi.org/10.1103/ PhysRevLett.119.180509
[74] 스티븐 T 플라미아와 조엘 J 월먼. 파울리 채널의 효율적인 추정. 양자 컴퓨팅에 대한 ACM 거래, 1(1): 1–32, 2020. 10.1145/3408039. URL https:///dl.acm.org/doi/abs/10.1145/3408039.
https : / /doi.org/ 10.1145 / 3408039
[75] 잉 리와 사이먼 C 벤자민. 능동 오류 최소화를 통합하는 효율적인 변형 양자 시뮬레이터. Physical Review X, 7(2): 021050, 2017. URL 10.1103/PhysRevX.7.021050.
https : / /doi.org/10.1103/ PhysRevX.7.021050
[76] 엔도 스구루, 사이먼 C 벤자민, 잉 리. 가까운 미래의 애플리케이션을 위한 실용적인 양자 오류 완화. Physical Review X, 8(3): 031027, 2018. 10.1103/PhysRevX.8.031027. URL https:///journals.aps.org/prx/abstract/10.1103/PhysRevX.8.031027.
https : / /doi.org/10.1103/ PhysRevX.8.031027
[77] Miroslav Urbanek, Benjamin Nachman, Vincent R Pascuzzi, Andre He, Christian W Bauer, Wibe A de Jong. 잡음 추정 회로가 있는 양자 컴퓨터의 탈분극 잡음 완화. Physical Review Letters, 127 (27): 270502, 2021. 10.1103/PhysRevLett.127.270502. URL https:///journals.aps.org/prl/abstract/10.1103/PhysRevLett.127.270502.
https : / /doi.org/10.1103/ PhysRevLett.127.270502
인용
[1] Jules Tilly, Hongxiang Chen, Shuxiang Cao, Dario Picozzi, Kanav Setia, Ying Li, Edward Grant, Leonard Wossnig, Ivan Rungger, George H. Booth, Jonathan Tennyson, “변이 양자 고유 솔버: 방법 및 모범 사례", arXiv : 2111.05176.
[2] M. Cerezo, Andrew Arrasmith, Ryan Babbush, Simon C. Benjamin, Suguru Endo, Keisuke Fujii, Jarrod R. McClean, Kosuke Mitarai, Xiao Yuan, Lukasz Cincio, Patrick J. Coles, "변형 양자 알고리즘", arXiv : 2012.09265.
[3] Taylor L. Patti, Khadijeh Najafi, Xun Gao, Susanne F. Yelin, "얽힘이 고안한 불모의 고원 완화", 물리적 검토 연구 3 3, 033090 (2021).
[4] Samson Wang, Piotr Czarnik, Andrew Arrasmith, M. Cerezo, Lukasz Cincio 및 Patrick J. Coles, "오류 완화가 잡음이 있는 변형 양자 알고리즘의 훈련성을 향상시킬 수 있습니까?", arXiv : 2109.01051.
[5] Martin Larocca, Nathan Ju, Diego García-Martín, Patrick J. Coles 및 M. Cerezo, "양자 신경망의 과잉 매개변수화 이론", arXiv : 2109.11676.
[6] Johannes Herrmann, Sergi Masot Llima, Ants Remm, Petr Zapletal, Nathan A. McMahon, Colin Scarato, François Swiadek, Christian Kraglund Andersen, Christoph Hellings, Sebastian Krinner, Nathan Lacroix, Stefania Lazar, Michael Kerschbaum, Dante Graham J. Norris, Michael J. Hartmann, Andreas Wallraff, Christopher Eichler, "양자 위상을 인식하기 위해 초전도 양자 프로세서에서 양자 컨볼루션 신경망 구현", 네이처 커뮤니케이션 13, 4144 (2022).
[7] Dmitry A. Fedorov, Bo Peng, Niranjan Govind, Yuri Alexeev, "VQE 방법: 짧은 조사 및 최근 개발", 재료 이론 6 1, 2 (2022).
[8] Tobias Haug, Kishor Bharti 및 MS Kim, "모수화된 양자 회로의 용량 및 양자 기하학", PRX 퀀텀 2 4, 040309 (2021).
[9] M. Bilkis, M. Cerezo, Guillaume Verdon, Patrick J. Coles 및 Lukasz Cincio, "양자 기계 학습을위한 가변 구조를 가진 반 불가지론 적 ansatz", arXiv : 2103.06712.
[10] Andrew Arrasmith, Zoë Holmes, M. Cerezo 및 Patrick J. Coles, "비용 집중 및 좁은 협곡에 대한 양자 불모의 평원의 동등성", 양자 과학 및 기술 7 4, 045015 (2022).
[11] Tobias Stollenwerk 및 Stuart Hadfield, "매개변수화된 양자 회로에 대한 도식 분석", arXiv : 2204.01307.
[12] Enrico Fontana, Nathan Fitzpatrick, David Muñoz Ramo, Ross Duncan 및 Ivan Rungger, "변동 양자 알고리즘의 잡음 복원력 평가", 물리적 검토 A 104 2, 022403 (2021).
[13] Kosuke Ito, Wataru Mizukami 및 Keisuke Fujii, "변동 양자 알고리즘의 보편적 잡음-정밀 관계", arXiv : 2106.03390.
[14] Xiaozhen Ge, Re-Bing Wu 및 Herschel Rabitz, "하이브리드 양자-고전 알고리즘의 최적화 환경: 양자 제어에서 NISQ 애플리케이션까지", arXiv : 2201.07448.
[15] 김준호, 오즈 야론, “양자 에너지 환경과 VQA 최적화”, arXiv : 2107.10166.
[16] Kun Wang, Zhixin Song, Xuanqiang Zhao, Zihe Wang, Xin Wang, "단기 양자 장치의 얽힘 감지 및 정량화", npj Quantum 정보 8, 52 (2022).
위의 인용은 SAO / NASA ADS (마지막으로 성공적으로 업데이트 됨 2022-09-15 10:08:33). 모든 출판사가 적절하고 완전한 인용 데이터를 제공하지는 않기 때문에 목록이 불완전 할 수 있습니다.
가져올 수 없습니다 Crossref 인용 자료 마지막 시도 중 2022-09-15 10:08:32 : Crossref에서 10.22331 / q-2022-09-15-804에 대한 인용 데이터를 가져올 수 없습니다. DOI가 최근에 등록 된 경우 이는 정상입니다.
이 백서는 Quantum에서 Creative Commons Attribution 4.0 International(CC BY 4.0) 특허. 저작권은 저자 또는 기관과 같은 원래 저작권 보유자에게 있습니다.
