1이론 부문, Los Alamos National Laboratory, Los Alamos, NM 87545, USA
2Imperial College London, 런던, SW7 2AZ, 영국 물리학과
3폴란드 크라쿠프 Jagiellonian 대학교 물리학, 천문학 및 응용 컴퓨터 과학 학부
4Mark Kac 복잡한 시스템 연구 센터, Jagiellonian 대학교, 크라쿠프, 폴란드
5양자 과학 센터, Oak Ridge, TN 37931, USA
6비선형 연구 센터, Los Alamos National Laboratory, Los Alamos, NM 87545, USA
이 논문이 흥미 롭거나 토론하고 싶습니까? SciRate에 댓글을 달거나 댓글 남기기.
추상
VQA(Variational Quantum Algorithm)는 종종 단기적인 양자 이점을 위한 최선의 희망으로 간주됩니다. 그러나 최근 연구에 따르면 잡음은 비용 환경을 기하급수적으로 평탄화하고 비용 기울기의 크기를 억제하는 등 VQA의 훈련 가능성을 심각하게 제한할 수 있는 것으로 나타났습니다. 오류 완화(EM)는 단기 장치에 대한 소음의 영향을 줄이는 데 유망함을 보여줍니다. 따라서 EM이 VQA의 훈련 가능성을 향상시킬 수 있는지 묻는 것은 당연합니다. 이 연구에서 우리는 광범위한 종류의 EM 전략에 대해 기하급수적인 비용 집중이 다른 곳에서 기하급수적인 자원을 투입하지 않고는 해결될 수 없다는 것을 먼저 보여줍니다. 이 전략 클래스에는 특수 사례로 Zero Noise Extrapolation, Virtual Distillation, Probabilistic Error Cancellation 및 Clifford Data Regression이 포함됩니다. 둘째, 우리는 이러한 EM 프로토콜에 대한 분석 및 수치 분석을 수행하고 그 중 일부(예: 가상 증류)가 EM을 전혀 실행하지 않는 것과 비교하여 비용 함수 값을 해결하기 더 어렵게 만들 수 있음을 발견했습니다. 긍정적인 결과로 CDR(Clifford Data Regression)이 비용 집중이 너무 심각하지 않은 특정 환경에서 교육 프로세스에 도움이 될 수 있다는 수치적 증거를 찾았습니다. 우리의 결과는 EM 프로토콜을 적용할 때 훈련 가능성이 악화되거나 향상되지 않을 수 있으므로 주의를 기울여야 함을 보여줍니다. 반면에 CDR에 대한 긍정적인 결과는 훈련 가능성을 향상시키기 위한 엔지니어링 오류 완화 방법의 가능성을 강조합니다.
► BibTeX 데이터
► 참고 문헌
[1] Jarrod R McClean, Jonathan Romero, Ryan Babbush 및 Alán Aspuru-Guzik. "변이 하이브리드 양자-고전 알고리즘 이론". New Journal of Physics 18, 023023(2016).
https://doi.org/10.1007/978-94-015-8330-5_4
[2] M. Cerezo, Andrew Arrasmith, Ryan Babbush, Simon C Benjamin, Suguru Endo, Keisuke Fujii, Jarrod R McClean, Kosuke Mitarai, Xiao Yuan, Lukasz Cincio 및 Patrick J. Coles. "변량 양자 알고리즘". 네이처 리뷰 물리학 3, 625–644(2021).
https://doi.org/10.1038/s42254-021-00348-9
[3] Sam McArdle, Tyson Jones, Suguru Endo, Ying Li, Simon C Benjamin, Xiao Yuan. "가상 시간 진화의 변이 안사츠 기반 양자 시뮬레이션". npj 양자 정보 5, 1–6(2019).
https://doi.org/10.1038/s41534-019-0187-2
[4] Harper R Grimsley, Sophia E Economou, Edwin Barnes, Nicholas J Mayhall. "양자 컴퓨터에서 정확한 분자 시뮬레이션을 위한 적응 변형 알고리즘". 네이처 커뮤니케이션즈 10, 1–9 (2019).
https://doi.org/10.1038/s41467-019-10988-2
[5] Cristina Cirstoiu, Zoe Holmes, Joseph Iosue, Lukasz Cincio, Patrick J. Coles 및 Andrew Sornborger. “일관성 시간을 넘어서는 양자 시뮬레이션을 위한 변형 고속 전달”. npj 양자 정보 6, 1–10(2020).
https://doi.org/10.1038/s41534-020-00302-0
[6] Benjamin Commeau, M. Cerezo, Zoë Holmes, Lukasz Cincio, Patrick J. Coles 및 Andrew Sornborger. “동적 양자 시뮬레이션을 위한 변이 해밀턴 대각선화”. arXiv 사전 인쇄 arXiv:2009.02559 (2020).
https:///doi.org/10.48550/arXiv.2009.02559
[7] Joe Gibbs, Kaitlin Gili, Zoë Holmes, Benjamin Commeau, Andrew Arrasmith, Lukasz Cincio, Patrick J. Coles 및 Andrew Sornborger. “양자 하드웨어에 대한 높은 충실도를 갖춘 장시간 시뮬레이션”. arXiv 사전 인쇄 arXiv:2102.04313 (2021).
https:///doi.org/10.48550/arXiv.2102.04313
[8] Yong-Xin Yao, Niladri Gomes, Feng Zhang, Thomas Iadecola, Cai-Zhuang Wang, Kai-Ming Ho 및 Peter P Orth. “적응형 변이 양자 역학 시뮬레이션”. arXiv 사전 인쇄 arXiv:2011.00622 (2020).
https : / / doi.org/ 10.1103 / PRXQuantum.2.030307
[9] 엔도 스구루, 순진자오, 리잉, 사이먼 C 벤자민, 샤오위안. “일반 프로세스의 변형 양자 시뮬레이션”. 실제 검토 편지 125, 010501(2020).
https : / /doi.org/10.1103/ PhysRevLett.125.010501
[10] Y. Li와 SC 벤자민. “능동 오류 최소화를 통합한 효율적인 변형 양자 시뮬레이터”. 물리. 개정판 X 7, 021050(2017).
https : / /doi.org/10.1103/ PhysRevX.7.021050
[11] Jonathan Wei Zhong Lau, Kishor Bharti, Tobias Haug 및 Leong Chuan Kwek. “시간 의존적 해밀턴의 양자 지원 시뮬레이션”. arXiv 사전 인쇄 arXiv:2101.07677 (2021).
https:///doi.org/10.48550/arXiv.2101.07677
[12] 헤야 켄타로, 나카니시 켄 M, 미타라이 코스케, 후지이 케이스케. “부분공간 변형 양자 시뮬레이터”. arXiv 사전 인쇄 arXiv:1904.08566 (2019).
https:///doi.org/10.48550/arXiv.1904.08566
[13] Xiao Yuan, Suguru Endo, Qi Zhao, Ying Li 및 Simon C Benjamin. "변동 양자 시뮬레이션 이론". 퀀텀 3, 191 (2019).
https://doi.org/10.22331/q-2019-10-07-191
[14] 마리아 슐드, 알렉스 보차로프, 크리스타 M 스보레, 네이선 위베. “회로 중심 양자 분류기”. 실제 검토 A 101, 032308(2020).
https : / /doi.org/10.1103/ PhysRevA.101.032308
[15] 기욤 베르동, 마이클 브로튼, 제이콥 비아몬테. “저심도 회로를 사용하여 신경망을 훈련시키는 양자 알고리즘”. arXiv 사전 인쇄 arXiv:1712.05304 (2017).
https:///doi.org/10.48550/arXiv.1712.05304
[16] 조나단 로메로와 알란 아스푸루-구직. “변이 양자 생성기: 연속 분포를 위한 생성적 적대 양자 기계 학습”. 고급 양자 기술 4, 2000003(2021).
https : / / doi.org/ 10.1002 / qute.202000003
[17] 에드워드 파리(Edward Farhi)와 하트무트 네븐(Hartmut Neven). “단기 프로세서에서 양자 신경망을 이용한 분류”. arXiv 사전 인쇄 arXiv:1802.06002 (2018).
https:///doi.org/10.48550/arXiv.1802.06002
[18] Kerstin Beer, Dmytro Bondarenko, Terry Farrelly, Tobias J. Osborne, Robert Salzmann, Daniel Scheiermann 및 Ramona Wolf. “심층 양자 신경망 훈련”. 네이처 커뮤니케이션즈 11, 808(2020).
https://doi.org/10.1038/s41467-020-14454-2
[19] Iris Cong, 최순원, Mikhail D Lukin. "양자 컨벌루션 신경망". 자연 물리학 15, 1273–1278 (2019).
https://doi.org/10.1038/s41567-019-0648-8
[20] 에드워드 그랜트(Edward Grant), 마르첼로 베네데티(Marcello Benedetti), 슈샹 카오(Shuxiang Cao), 앤드류 할람(Andrew Hallam), 조슈아 록하트(Joshua Lockhart), 비드 스토예비치(Vid Stojevic), 앤드류 G 그린(Andrew G Green), 시몬 세베리니(Simone Severini). “계층적 양자 분류기”. npj 양자 정보 4, 1–8(2018).
https://doi.org/10.1038/s41534-018-0116-9
[21] Alberto Peruzzo, Jarrod McClean, Peter Shadbolt, Man-Hong Yung, Xiao-Qi Zhou, Peter J Love, Alán Aspuru-Guzik, Jeremy L O'brien. "광양자 프로세서의 변이 고유치 솔버". 자연 커뮤니케이션 5, 1–7(2014).
https : / /doi.org/ 10.1038 / ncomms5213
[22] 벨라 바우어, 데이브 웨커, 앤드루 J 밀리스, 매튜 B 헤이스팅스, 마티아스 트로이어. "상관 물질에 대한 하이브리드 양자 고전적 접근 방식". 실제 검토 X 6, 031045 (2016).
https : / /doi.org/10.1103/ PhysRevX.6.031045
[23] 타이슨 존스, 엔도 수구루, 샘 맥아들, 샤오 위안, 사이먼 C 벤자민. “해밀턴 스펙트럼 발견을 위한 변이 양자 알고리즘”. 실제 검토 A 99, 062304 (2019).
https : / /doi.org/10.1103/ PhysRevA.99.062304
[24] 에드워드 파리, 제프리 골드스톤, 샘 구트만. “양자 근사 최적화 알고리즘”. arXiv 사전 인쇄 arXiv:1411.4028 (2014).
https:///doi.org/10.48550/arXiv.1411.4028
[25] Zhihui Wang, S. Hadfield, Z. Jiang 및 EG Rieffel. "MaxCut을 위한 양자 근사 최적화 알고리즘: 페르미온 관점". 실제 검토 A 97, 022304 (2018).
https : / /doi.org/10.1103/ PhysRevA.97.022304
[26] 개빈 E 크룩스. “최대 절단 문제에 대한 양자 근사 최적화 알고리즘의 성능”. arXiv 사전 인쇄 arXiv:1811.08419 (2018).
https:///doi.org/10.48550/arXiv.1811.08419
[27] Stuart Hadfield, Zhihui Wang, Bryan O'Gorman, Eleanor G Rieffel, Davide Venturelli, Rupak Biswas. “양자 근사 최적화 알고리즘에서 양자 교대 연산자 ansatz까지”. 알고리즘 12, 34(2019).
https : / /doi.org/10.3390/ a12020034
[28] Carlos Bravo-Prieto, Ryan LaRose, M. Cerezo, Yigit Subasi, Lukasz Cincio 및 Patrick Coles. “변이 양자 선형 솔버”. arXiv 사전 인쇄 arXiv:1909.05820 (2019).
https://doi.org/10.22331/q-2023-11-22-1188
[29] Xiaosi Xu, Jinzhao Sun, Suguru Endo, Ying Li, Simon C Benjamin 및 Xiao Yuan. “선형 대수학을 위한 변형 알고리즘”. 과학 게시판 66, 2181–2188(2021).
https : / /doi.org/ 10.1016 / j.scib.2021.06.023
[30] Bálint Koczor, 엔도 수구루, 타이슨 존스, 마츠자키 유이치로, 사이먼 C 벤자민. “변이 상태 양자 계측”. 새로운 물리학 저널(2020).
https : / / doi.org/ 10.1088 / 1367-2630 / ab965e
[31] 요하네스 야콥 마이어, 요하네스 보레가르드, 옌스 아이제르트. “양자 다중 매개변수 추정을 위한 변형 도구 상자”. NPJ 양자 정보 7, 1–5(2021).
https : / /doi.org/ 10.1038 / s41534-021-00425-y
[32] Eric Anschuetz, Jonathan Olson, Alán Aspuru-Guzik 및 Yudong Cao. “변이 양자 인수분해”. 양자 기술 및 최적화 문제(2019).
https://doi.org/10.1007/978-3-030-14082-3_7
[33] Sumeet Khatri, Ryan LaRose, Alexander Poremba, Lukasz Cincio, Andrew T Sornborger 및 Patrick J Coles. "양자 지원 양자 컴파일". 퀀텀 3, 140 (2019).
https://doi.org/10.22331/q-2019-05-13-140
[34] Kunal Sharma, Sumeet Khatri, M. Cerezo 및 Patrick J Coles. “변형 양자 컴파일의 잡음 복원력”. 새로운 물리학 저널 22, 043006 (2020).
https : / /doi.org/ 10.1088 / 1367-2630 / ab784c
[35] 타이슨 존스와 사이먼 C 벤자민. “에너지 소산을 통한 양자 컴파일 및 회로 최적화”. arXiv 사전 인쇄 arXiv:1811.03147 (2018).
https://doi.org/10.22331/q-2022-01-24-628
[36] Andrew Arrasmith, Lukasz Cincio, Andrew T Sornborger, Wojciech H Zurek 및 Patrick J Coles. “양자 기반을 위한 하이브리드 알고리즘으로서의 변이 일관된 이력”. 네이처 커뮤니케이션즈 10, 1–7 (2019).
https://doi.org/10.1038/s41467-019-11417-0
[37] M. Cerezo, Kunal Sharma, Andrew Arrasmith 및 Patrick J Coles. “변이 양자 상태 고유 해결사”. arXiv 사전 인쇄 arXiv:2004.01372 (2020).
https://doi.org/10.1038/s41534-022-00611-6
[38] Ryan LaRose, Arkin Tikku, Étude O'Neel-Judy, Lukasz Cincio 및 Patrick J Coles. “변이 양자 상태 대각화”. npj 양자 정보 5, 1–10(2019).
https://doi.org/10.1038/s41534-019-0167-6
[39] 기욤 베르동, 제이콥 마크스, 사샤 난다, 스테판 라이헤나우어, 잭 히다리. “양자 해밀턴 기반 모델과 변형 양자 열화기 알고리즘”. arXiv 사전 인쇄 arXiv:1910.02071 (2019).
https:///doi.org/10.48550/arXiv.1910.02071
[40] 피터 D 존슨, 조나단 로메로, 조나단 올슨, Yudong Cao, Alán Aspuru-Guzik. “QVector: 장치 맞춤형 양자 오류 수정을 위한 알고리즘”. arXiv 사전 인쇄 arXiv:1711.02249 (2017).
https:///doi.org/10.48550/arXiv.1711.02249
[41] 존 프레스킬. "NISQ 시대와 그 이후의 양자 컴퓨팅". 퀀텀 2, 79 (2018).
https://doi.org/10.22331/q-2018-08-06-79
[42] Kristan Temme, Sergey Bravyi 및 Jay M. Gambetta. "짧은 깊이 양자 회로에 대한 오류 완화". 물리. 레트 목사 119, 180509(2017).
https : / /doi.org/10.1103/ PhysRevLett.119.180509
[43] 엔도 스구루, 사이먼 C 벤자민, 잉 리. “가까운 미래 애플리케이션을 위한 실용적인 양자 오류 완화”. 실제 검토 X 8, 031027 (2018).
https : / /doi.org/10.1103/ PhysRevX.8.031027
[44] Abhinav Kandala, Kristan Temme, Antonio D. Córcoles, Antonio Mezzacapo, Jerry M. Chow, Jay M. Gambetta. "오류 완화는 잡음이 많은 양자 프로세서의 계산 범위를 확장합니다." 네이처 567, 491–495(2019).
https://doi.org/10.1038/s41586-019-1040-7
[45] Piotr Czarnik, Andrew Arrasmith, Patrick J. Coles, Lukasz Cincio. “Clifford 양자 회로 데이터를 이용한 오류 완화”. 양자 5, 592(2021).
https://doi.org/10.22331/q-2021-11-26-592
[46] William J Huggins, Sam McArdle, Thomas E O'Brien, 이준호, Nicholas C Rubin, Sergio Boixo, K Birgitta Whaley, Ryan Babbush 및 Jarrod R McClean. “양자 오류 완화를 위한 가상 증류”. 실제 리뷰 X 11, 041036(2021).
https : / /doi.org/10.1103/ PhysRevX.11.041036
[47] 발린트 코초르. “단기 양자소자에 대한 지수적 오류 억제”. 실제 검토 X 11, 031057(2021).
https : / /doi.org/10.1103/ PhysRevX.11.031057
[48] Jarrod R McClean, Mollie E Kimchi-Schwartz, Jonathan Carter, Wibe A De Jong. "디코히어런스 완화 및 여기 상태 결정을 위한 하이브리드 양자-고전적 계층 구조". 물리적 검토 A 95, 042308(2017).
https : / /doi.org/10.1103/ PhysRevA.95.042308
[49] Thomas E. O'Brien, Stefano Polla, Nicholas C. Rubin, William J. Huggins, Sam McArdle, Sergio Boixo, Jarrod R. McClean 및 Ryan Babbush. "검증된 위상 추정을 통한 오류 완화". PRX 양자 2, 020317(2021).
https : / / doi.org/ 10.1103 / PRXQuantum.2.020317
[50] 샘 맥아들, 샤오 위안, 사이먼 벤자민. "오류 완화된 디지털 양자 시뮬레이션". 물리. 레트 목사 122, 180501(2019).
https : / /doi.org/10.1103/ PhysRevLett.122.180501
[51] Xavi Bonet-Monroig, Ramiro Sagastizabal, M Singh 및 TE O'Brien. “대칭 검증을 통한 저비용 오류 완화”. 실제 검토 A 98, 062339 (2018).
https : / /doi.org/10.1103/ PhysRevA.98.062339
[52] William J Huggins, Jarrod R McClean, Nicholas C Rubin, Zhang Jiang, Nathan Wiebe, K Birgitta Whaley 및 Ryan Babbush. “단기 양자 컴퓨터에서 양자 화학을 위한 효율적이고 잡음 복원력 있는 측정”. npj 양자 정보 7, 1–9(2021).
https://doi.org/10.1038/s41534-020-00341-7
[53] 조지 S 배런과 크리스토퍼 J 우드. “변형 양자 알고리즘에 대한 측정 오류 완화”. arXiv 사전 인쇄 arXiv:2010.08520 (2020).
https:///doi.org/10.48550/arXiv.2010.08520
[54] Alistair WR Smith, Kiran E. Khosla, Chris N. Self 및 MS Kim. "비트플립 평균화를 통한 큐비트 판독 오류 완화". 사이언스 어드밴스 7(2021).
https://doi.org/10.1126/sciadv.abi8009
[55] Daiqin Su, Robert Israel, Kunal Sharma, Haoyu Qi, Ish Dhand 및 Kamil Brádler. “단기 양자 광소자의 오류 완화”. 양자 5, 452(2021).
https://doi.org/10.22331/q-2021-05-04-452
[56] Samson Wang, Enrico Fontana, M. Cerezo, Kunal Sharma, Akira Sone, Lukasz Cincio 및 Patrick J Coles. "변형 양자 알고리즘의 노이즈로 인한 불모의 고원". 네이처 커뮤니케이션 12, 1–11(2021).
https://doi.org/10.1038/s41467-021-27045-6
[57] Daniel Stilck França와 Raul Garcia-Patron. "시끄러운 양자 장치에 대한 최적화 알고리즘의 한계". 자연 물리학 17, 1221–1227 (2021).
https://doi.org/10.1038/s41567-021-01356-3
[58] Jarrod R McClean, Sergio Boixo, Vadim N Smelyanskiy, Ryan Babbush 및 Hartmut Neven. "양자 신경망 훈련 환경의 불모의 고원". 네이처 커뮤니케이션 9, 1–6(2018).
https://doi.org/10.1038/s41467-018-07090-4
[59] M. Cerezo, Akira Sone, Tyler Volkoff, Lukasz Cincio 및 Patrick J Coles. "얕은 매개변수화된 양자 회로의 비용 함수 의존 불모의 고원". 네이처 커뮤니케이션 12, 1–12(2021).
https : / /doi.org/ 10.1038 / s41467-021-21728-w
[60] Andrew Arrasmith, M. Cerezo, Piotr Czarnik, Lukasz Cincio 및 Patrick J Coles. "그래디언트가 없는 최적화에 대한 황량한 고원의 효과". 퀀텀 5, 558(2021).
https://doi.org/10.22331/q-2021-10-05-558
[61] M. 세레조와 패트릭 J 콜스. "불모의 고원이 있는 양자 신경망의 고차 파생물". 양자 과학 및 기술 6, 035006(2021).
https : / / doi.org/ 10.1088 / 2058-9565 / abf51a
[62] 헤야 켄타로, 스즈키 야스나리, 나카무라 야스노부, 후지이 케이스케. “변이 양자 게이트 최적화”. arXiv 사전 인쇄 arXiv:1810.12745 (2018).
https:///doi.org/10.48550/arXiv.1810.12745
[63] 조나단 로메로, 조나단 P 올슨, 앨런 아스푸루-구직. "양자 데이터의 효율적인 압축을 위한 양자 자동 인코더". 양자 과학 기술 2, 045001(2017).
https : / /doi.org/ 10.1088 / 2058-9565 / aa8072
[64] 레나트 비텔과 마틴 클리쉬. "변형 양자 알고리즘 교육은 np-hard"입니다. 물리학 레트 목사 127, 120502(2021).
https : / /doi.org/10.1103/ PhysRevLett.127.120502
[65] Jonas M Kübler, Andrew Arrasmith, Lukasz Cincio, Patrick J Coles. "측정 검소한 변이 알고리즘을 위한 적응형 옵티마이저". 퀀텀 4, 263(2020).
https://doi.org/10.22331/q-2020-05-11-263
[66] 앤드루 아라스미스(Andrew Arrasmith), 루카스 신시오(Lukasz Cincio), 롤란도 D 솜마(Rolando D Somma), 패트릭 J 콜스(Patrick J Coles). "변형 알고리즘의 효율적인 최적화를 위한 연산자 샘플링". arXiv 사전 인쇄 arXiv:2004.06252 (2020).
https:///doi.org/10.48550/arXiv.2004.06252
[67] Andi Gu, Angus Lowe, Pavel A Dub, Patrick J. Coles 및 Andrew Arrasmith. “변형 양자 알고리즘의 빠른 수렴을 위한 적응형 샷 할당”. arXiv 사전 인쇄 arXiv:2108.10434 (2021).
https:///doi.org/10.48550/arXiv.2108.10434
[68] Zoë Holmes, Kunal Sharma, M. Cerezo 및 Patrick J Coles. "기울기 크기 및 황량한 고원에 ansatz 표현 가능성 연결". PRX 퀀텀 3, 010313(2022).
https : / / doi.org/ 10.1103 / PRXQuantum.3.010313
[69] Zoë Holmes, Andrew Arrasmith, Bin Yan, Patrick J. Coles, Andreas Albrecht 및 Andrew T Sornborger. “불모의 고원은 스크램블러 학습을 불가능하게 합니다.” 실제 검토 편지 126, 190501(2021).
https : / /doi.org/10.1103/ PhysRevLett.126.190501
[70] Carlos Ortiz Marrero, Mária Kieferová, Nathan Wiebe. "얽힘으로 인한 불모의 고원". PRX 퀀텀 2, 040316(2021).
https : / / doi.org/ 10.1103 / PRXQuantum.2.040316
[71] Taylor L Patti, Khadijeh Najafi, Xun Gao 및 Susanne F Yelin. “얽힘이 고안한 불모의 고원 완화”. 물리검토연구 3, 033090(2021).
https : / /doi.org/10.1103/ PhysRevResearch.3.033090
[72] 마틴 라로카(Martin Larocca), 피오트르 차르닉(Piotr Czarnik), 쿠날 샤르마(Kunal Sharma), 고피크리슈난 무랄레다란(Gopikrishnan Muraleedharan), 패트릭 J. 콜스(Patrick J. Coles), M. 세레조(M. Cerezo). "양자 최적 제어 도구를 사용하여 황량한 고원을 진단합니다." arXiv 사전 인쇄 arXiv:2105.14377(2021).
https:///doi.org/10.48550/arXiv.2105.14377
[73] 미타라이 코스케, 네고로 마코토, 키타가와 마사히로, 후지이 케이스케 "양자 회로 학습". 물리적 검토 A 98, 032309(2018).
https : / /doi.org/10.1103/ PhysRevA.98.032309
[74] Maria Schuld, Ville Bergholm, Christian Gogolin, Josh Izaac 및 Nathan Killoran. "양자 하드웨어에서 분석 기울기 평가". 물리적 검토 A 99, 032331(2019).
https : / /doi.org/10.1103/ PhysRevA.99.032331
[75] 존 A 넬더와 로저 미드. “함수 최소화를 위한 단순 방법”. 컴퓨터 저널 7, 308–313(1965).
https : / /doi.org/ 10.1093 / comjnl / 7.4.308
[76] MJD 파월. “선형 보간을 통해 목적 함수와 제약 함수를 모델링하는 직접 검색 최적화 방법”입니다. 최적화 및 수치 분석의 발전(1994).
https://doi.org/10.1007/978-94-015-8330-5_4
[77] E. Campos, D. Rabinovich, V. Akshay 및 J. Biamonte. "층별 양자 근사 최적화의 훈련 포화". 물리적 검토 A 104(2021).
https:// / doi.org/ 10.1103/ PhysRevA.104.L030401
[78] Cheng Xue, Zhao-Yun Chen, Yu-Chun Wu 및 Guo-Ping Guo. “양자 근사 최적화 알고리즘에 대한 양자 잡음의 영향”. 중국 물리학 편지 38, 030302 (2021).
https://doi.org/10.1088/0256-307X/38/3/030302
[79] 제프리 마샬, 필립 우다스키, 스튜어트 해드필드, 태드 호그. "qaoa 회로의 로컬 노이즈 특성화". IOP SciNotes 1, 025208(2020). URL: https://doi.org/10.1088/2633-1357/abb0d7.
https://doi.org/10.1088/2633-1357/abb0d7
[80] 엔리코 폰타나, M. 세레조, 앤드루 아라스미스, 이반 렁거, 패트릭 J. 콜스. “양자 환경의 중요한 대칭성과 양자 잡음에 대한 탄력성”. 양자 6, 804(2022).
https://doi.org/10.22331/q-2022-09-15-804
[81] 엔도 스구루, 카이 젠유, 사이먼 C 벤자민, 샤오 위안. “하이브리드 양자 고전 알고리즘 및 양자 오류 완화”. 일본물리학회지 90호, 032001(2021).
https : / /doi.org/10.7566/ JPSJ.90.032001
[82] Angus Lowe, Max Hunter Gordon, Piotr Czarnik, Andrew Arrasmith, Patrick J. Coles 및 Lukasz Cincio. “데이터 기반 양자 오류 완화에 대한 통합 접근 방식”. 물리. 연구3, 033098(2021).
https : / /doi.org/10.1103/ PhysRevResearch.3.033098
[83] 안드레아 마리, 네이선 샤마, 윌리엄 J 젱. “노이즈 스케일링을 통한 양자 확률적 오류 제거 확장”. 실제 검토 A 104, 052607(2021).
https : / /doi.org/10.1103/ PhysRevA.104.052607
[84] Daniel Bultrini, Max Hunter Gordon, Piotr Czarnik, Andrew Arrasmith, M. Cerezo, Patrick J. Coles 및 Lukasz Cincio. “최첨단 양자 오류 완화 기술 통합 및 벤치마킹”. 양자 7, 1034(2023).
https://doi.org/10.22331/q-2023-06-06-1034
[85] 애슐리 몬타나로와 스타샤 스타니시치. “페르미온 선형 광학을 이용한 훈련을 통한 오류 완화”. arXiv 사전 인쇄 arXiv:2102.02120 (2021).
https:///doi.org/10.48550/arXiv.2102.02120
[86] Joseph Vovrosh, Kiran E Khosla, Sean Greenaway, Christopher Self, 김명식 S, Johannes Knolle. “양자 시뮬레이션에서 전역 탈분극 오류의 간단한 완화”. 물리적 검토 E 104, 035309(2021).
https : / /doi.org/10.1103/ PhysRevE.104.035309
[87] 엘리엇 로젠버그, 폴 진스파그, 피터 L 맥맨. "최대 20큐비트의 변이 양자 고유해석을 위한 선형 재조정을 사용한 실험적 오류 완화". 양자과학기술 7, 015024(2022).
https://doi.org/10.1088/2058-9565/ac3b37
[88] 안드레 헤, 벤저민 나크만, 위브 A. 드 종, 크리스티안 W. 바우어. "ID 삽입을 통한 양자 게이트 오류 완화를 위한 무잡음 추정". 실제 검토 A 102, 012426(2020).
https : / /doi.org/10.1103/ PhysRevA.102.012426
[89] 앤드류 쇼. “nisq 하드웨어를 위한 고전적 양자 잡음 완화”. arXiv 사전 인쇄 arXiv:2105.08701 (2021).
https:///doi.org/10.48550/arXiv.2105.08701
[90] Frank Arute, Kunal Arya, Ryan Babbush, Dave Bacon, Joseph C Bardin, Rami Barends, Andreas Bengtsson, Sergio Boixo, Michael Broughton, Bob B Buckley 등 “페르미-허바드 모델에서 전하와 스핀의 분리된 동역학 관찰”. arXiv 사전 인쇄 arXiv:2010.07965 (2020).
https:///doi.org/10.48550/arXiv.2010.07965
[91] Armands Strikis, Dayue Qin, Yanzhu Chen, Simon C Benjamin, Ying Li. “학습 기반 양자 오류 완화”. PRX 양자 2, 040330(2021).
https : / / doi.org/ 10.1103 / PRXQuantum.2.040330
[92] Piotr Czarnik, Andrew Arrasmith, Lukasz Cincio 및 Patrick J Coles. "큐비트 효율적인 지수적 오류 억제". arXiv 사전 인쇄 arXiv:2102.06056(2021).
https:///doi.org/10.48550/arXiv.2102.06056
[93] Yifeng Xiong, Daryus Chandra, Soon Xin Ng 및 Lajos Hanzo. "양자 오류 완화의 샘플링 오버헤드 분석: 코딩되지 않은 시스템과 코딩된 시스템". IEEE 액세스 8, 228967-228991(2020).
https : / /doi.org/10.1109/ ACCESS.2020.3045016
[94] 타카기 류지. “오류 완화를 위한 최적의 자원 비용”. 물리. 목사 결의안. 3, 033178(2021).
https : / /doi.org/10.1103/ PhysRevResearch.3.033178
[95] Lukasz Cincio, Kenneth Rudinger, Mohan Sarovar 및 Patrick J. Coles. "잡음에 강한 양자 회로의 기계 학습". PRX 퀀텀 2, 010324(2021).
https : / / doi.org/ 10.1103 / PRXQuantum.2.010324
[96] P Erdös와 A Rényi. "무작위 그래프 $I$"에서. 출판물 Mathematicae Debrecen 6, 18 (1959). URL: http:///snap.stanford.edu/class/cs224w-readings/erdos59random.pdf.
http:///snap.stanford.edu/class/cs224w-readings/erdos59random.pdf
[97] Andrew Wack, 백한희, Ali Javadi-Abhari, Petar Jurcevic, Ismael Faro, Jay M. Gambetta 및 Blake R. Johnson. "품질, 속도 및 규모: 단기 양자 컴퓨터의 성능을 측정하는 세 가지 주요 속성". arXiv 사전 인쇄 arXiv:2110.14108 (2021).
https:///doi.org/10.48550/arXiv.2110.14108
[98] Tudor Giurgica-Tiron, Yousef Hindy, Ryan LaRose, Andrea Mari 및 William J Zeng. “양자 오류 완화를 위한 디지털 제로 노이즈 추정”. 2020 양자 컴퓨팅 및 엔지니어링(QCE)에 관한 IEEE 국제 컨퍼런스(2020).
https : / / doi.org/ 10.1109 / QCE49297.2020.00045
[99] 김영석, Christopher J. Wood, Theodore J. Yoder, Seth T. Merkel, Jay M. Gambetta, Kristan Temme 및 Abhinav Kandala. “시끄러운 양자 회로에 대한 확장 가능한 오류 완화는 경쟁력 있는 기대값을 생성합니다.” arXiv 사전 인쇄 arXiv:2108.09197 (2021).
https://doi.org/10.1038/s41567-022-01914-3
[100] 크리스티나 시르스토이우, 실라스 딜케스, 다니엘 밀스, 세욘 시바라자, 로스 던컨. "Qermit을 사용한 오류 완화의 대량 벤치마킹". arXiv 사전 인쇄 arXiv:2204.09725 (2022).
https:///doi.org/10.48550/ARXIV.2204.09725
[101] 다카기 류지, 엔도 스구루, 미나가와 신타로, 구미레. "양자 오류 완화의 기본 한계". npj 양자 정보 8, 114 (2022).
https : / /doi.org/ 10.1038 / s41534-022-00618-z
[102] 아브람 시디. “실용적인 외삽법: 이론과 응용”. 10권. 케임브리지 대학 출판부. (2003).
[103] 오야 마사노리와 데네스 페츠. “양자 엔트로피와 그 활용”. Springer 과학 및 비즈니스 미디어. (2004).
[104] 크리스토프 히르셰, 캄비즈 루제, 다니엘 스틸크 프랑카. "수축 계수, 부분 차수 및 양자 채널 용량의 근사치". 양자 6, 862(2022).
https://doi.org/10.22331/q-2022-11-28-862
[105] Jeffrey C. Lagarias, James A. Reeds, Margaret H. Wright 및 Paul E. Wright. “낮은 차원에서 넬더-미드 단순법의 수렴 특성”. 최적화에 관한 SIAM 저널 9, 112–147(1998).
https : / /doi.org/ 10.1137 / S1052623496303470
[106] 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, 윤보람, Richard Zamora, Wei Zhu, Stephan Eidenbenz, Andreas Bärtschi, 패트릭 J. 콜스, 마크 부프레이, 안드레이 Y. 로호프. “초보자를 위한 양자 알고리즘 구현”. 양자 컴퓨팅에 대한 ACM 거래(2022).
https : / /doi.org/ 10.1145 / 3517340
[107] 발린트 코초르. “시끄러운 양자 상태의 주요 고유벡터”. New Journal of Physics 23, 123047 (2021).
https:/ / doi.org/ 10.1088/ 1367-2630/ ac37ae
인용
[1] Zhenyu Cai, Ryan Babbush, Simon C. Benjamin, Suguru Endo, William J. Huggins, Ying Li, Jarrod R. McClean 및 Thomas E. O'Brien, “양자 오류 완화”, Modern Physics 95 4, 045005 (2023)에 대한 리뷰.
[2] Ryuji Takagi, Hiroyasu Tajima 및 Mile Gu, "양자 오류 완화를 위한 범용 샘플링 하한", 물리적 검토 서한 131 21, 210602 (2023).
[3] Louis Schatzki, Andrew Arrasmith, Patrick J. Coles 및 M. Cerezo, "양자 기계 학습을 위한 얽힌 데이터 세트", arXiv : 2109.03400, (2021).
[4] 다카기 류지, 엔도 스구루, 미나가와 신타로, 구 마일, “양자 오류 완화의 근본적인 한계”, npj Quantum 정보 8, 114 (2022).
[5] Martin Larocca, Nathan Ju, Diego García-Martín, Patrick J. Coles 및 M. Cerezo, "양자 신경망의 과잉 매개변수화 이론", arXiv : 2109.11676, (2021).
[6] Valentin Heyraud, Zejian Li, Kaelan Donatella, Alexandre Le Boité 및 Cristiano Ciuti, "변이 양자 회로에 대한 훈련 가능성의 효율적인 추정", PRX 퀀텀 4 4, 040335 (2023).
[7] Patrick J. Coles, Collin Szczepanski, Denis Melanson, Kaelan Donatella, Antonio J. Martinez 및 Faris Sbahi, "열역학 AI 및 변동 프론티어", arXiv : 2302.06584, (2023).
[8] Yihui Quek, Daniel Stilck França, Sumeet Khatri, Johannes Jakob Meyer 및 Jens Eisert, "양자 오류 완화의 한계에 대한 기하급수적으로 더 엄격한 경계", arXiv : 2210.11505, (2022).
[9] Kento Tsubouchi, Takahiro Sagawa, Nobuyuki Yoshioka, "양자 추정 이론에 기반한 양자 오류 완화의 보편적 비용 경계", 물리적 검토 서한 131 21, 210601 (2023).
[10] R. Au-Yeung, B. Camino, O. Rathore 및 V. Kendon, "과학 응용을 위한 양자 알고리즘", arXiv : 2312.14904, (2023).
[11] 스즈키 야스나리, 엔도 스구루, 후지이 케이스케, 도쿠나가 유우키, "보편적인 오류 최소화 기술로서의 양자 오류 완화: NISQ에서 FTQC 시대로의 응용", 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 및 Frederic T. Chong, “CAFQA: 변이 양자 알고리즘을 위한 고전적인 시뮬레이션 부트스트랩”, arXiv : 2202.12924, (2022).
[13] He-Liang Huang, Xiao-Yue Xu, Chu Guo, Guojing Tian, Shi-Jie Wei, Xiaoming Sun, Wan-Su Bao, Gui-Lu Long, "단기 양자 컴퓨팅 기술: 변이 양자 알고리즘, 오류 완화, 회로 컴파일, 벤치마킹 및 클래식 시뮬레이션”, 과학 중국 물리학, 역학 및 천문학 66 5, 250302 (2023).
[14] Yasunari Suzuki, Suguru Endo, Keisuke Fujii 및 Yuuki Tokunaga, "범용 오류 감소 기술로서의 양자 오류 완화: NISQ에서 내결함성 양자 컴퓨팅 시대까지의 응용", PRX 퀀텀 3 1, 010345 (2022).
[15] Supanut Thanasilp, Samson Wang, M. Cerezo 및 Zoë Holmes, "양자 커널 방법의 지수 집중 및 훈련 불가능성", arXiv : 2208.11060, (2022).
[16] Abhinav Deshpande, Pradeep Niroula, Oles Shtanko, Alexey V. Gorshkov, Bill Fefferman 및 Michael J. Gullans, "시끄러운 무작위 회로의 균일 분포에 대한 수렴에 대한 엄격한 경계", PRX 퀀텀 3 4, 040329 (2022).
[17] Giacomo De Palma, Milad Marvian, Cambyse Rouzé 및 Daniel Stilck França, “변이 양자 알고리즘의 한계: 양자 최적 수송 접근법”, PRX 퀀텀 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, Assumta 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, Xilin Zhang, "정밀 핵물리학을 위한 핵력: 관점 모음", 소수 신체 시스템 63 4, 67 (2022).
[19] C. Huerta Alderete, Max Hunter Gordon, Frédéric Sauvage, Akira Sone, Andrew T. Sornborger, Patrick J. Coles 및 M. Cerezo, “추론 기반 양자 감지”, 물리적 검토 서한 129 19, 190501 (2022).
[20] Frédéric Sauvage, Martín Larocca, Patrick J. Coles 및 M. Cerezo, "더 빠른 훈련을 위해 매개변수화된 양자 회로에 공간 대칭 구축", 양자 과학 및 기술 9 1, 015029 (2024).
[21] 아담 칼리슨(Adam Callison)과 니콜라스 챈슬러(Nicholas Chancellor), “노이즈한 중간 규모 양자 시대와 그 이후의 하이브리드 양자 고전 알고리즘”, 물리적 검토 A 106 1, 010101 (2022).
[22] Supanut Thanasilp, Samson Wang, Nhat A. Nghiem, Patrick J. Coles 및 M. Cerezo, "양자 기계 학습 모델의 훈련 가능성에 대한 미묘함", arXiv : 2110.14753, (2021).
[23] Laurin E. Fischer, Daniel Miller, Francesco Tacchino, Panagiotis Kl. Barkoutsos, Daniel J. Egger 및 Ivano Tavernelli, "Qudit 공간에 포함된 큐비트에 대한 일반화된 측정의 Ancilla 없는 구현", 물리적 검토 연구 4 3, 033027 (2022).
[24] Travis L. Scholten, Carl J. Williams, Dustin Moody, Michele Mosca, William Hurley, William J. Zeng, Matthias Troyer 및 Jay M. Gambetta, "양자 컴퓨터의 이점과 위험 평가", arXiv : 2401.16317, (2024).
[25] Benjamin A. Cordier, Nicolas PD Sawaya, Gian G. Guerreschi 및 Shannon K. McWeeney, "양자 이점의 환경에서 생물학 및 의학", arXiv : 2112.00760, (2021).
[26] Manuel S. Rudolph, Sacha Lerch, Supanut Thanasilp, Oriel Kiss, Sofia Vallecorsa, Michele Grossi 및 Zoë Holmes, "양자 생성 모델링의 훈련 가능성 장벽 및 기회", arXiv : 2305.02881, (2023).
[27] Zhenyu Cai, "양자 오류 완화를 위한 실용적인 프레임워크", arXiv : 2110.05389, (2021).
[28] M. Cerezo, Guillaume Verdon, Hsin-Yuan Huang, Lukasz Cincio, Patrick J. Coles, "양자 기계 학습의 도전과 기회", arXiv : 2303.09491, (2023).
[29] Keita Kanno, Masaya Kohda, Ryosuke Imai, Sho Koh, Kosuke Mitarai, Wataru Mizukami, Yuya O. Nakagawa, "Quantum-Selected Configuration Interaction: 고전적인 해밀토니언 in subspace selected by quantum computer", arXiv : 2302.11320, (2023).
[30] Tailong Xiao, Xinliang Zhai, Xiaoyan Wu, Jianping Fan, Guihua Zeng, "고스트 이미징에서 양자 기계 학습의 실질적인 이점", 커뮤니케이션 물리학 6 1, 171 (2023).
[31] 마루요시 카즈노부, 오쿠다 타쿠야, 후안 W. 페데르센, 스즈키 료, 야마자키 마사히토, 요시다 유타카, "적분 가능한 스핀 체인의 양자 시뮬레이션에서 보존된 전하", 물리학 전공 수학 수학 56 16, 165301 (2023).
[32] Marvin Bechtold, Johanna Barzen, Frank Leymann, Alexander Mandl, Julian Obst, Felix Truger 및 Benjamin Weder, "NISQ 장치의 MaxCut 문제에 대한 QAOA의 회로 절단 효과 조사", 양자 과학 및 기술 8 4, 045022 (2023).
[33] Christoph Hirche, Cambyse Rouzé 및 Daniel Stilck França, "양자 채널의 수축 계수, 부분 차수 및 용량 근사치", arXiv : 2011.05949, (2020).
[34] Cristina Cirstoiu, Silas Dilkes, Daniel Mills, Seyon Sivarajah 및 Ross Duncan, "Qermit을 사용한 오류 완화의 체적 벤치마킹", 퀀텀 7, 1059 (2023).
[35] Minh C. Tran, Kunal Sharma 및 Kristan Temme, “양자 회로의 지역성과 오류 완화”, arXiv : 2303.06496, (2023).
[36] Muhammad Kashif 및 Saif Al-Kuwari, “NISQ 장치에 대한 하이브리드 양자 신경망의 비용 함수 전역성과 지역성의 영향”, 기계 학습: 과학 및 기술 4 1, 015004(2023).
[37] Piotr Czarnik, Michael McKerns, Andrew T. Sornborger 및 Lukasz Cincio, "학습 기반 오류 완화의 효율성 향상", arXiv : 2204.07109, (2022).
[38] Daniel Butrini, Samson Wang, Piotr Czarnik, Max Hunter Gordon, M. Cerezo, Patrick J. Coles, Lukasz Cincio, "부분 오류 수정 시대의 깨끗하고 더러운 큐비트의 전투", arXiv : 2205.13454, (2022).
[39] Muhammad Kashif 및 Saif Al-kuwari, "ResQNets: 양자 신경망의 불모의 고원을 완화하기 위한 잔여 접근 방식", arXiv : 2305.03527, (2023).
[40] NM Guseynov, AA Zhukov, WV Pogosov 및 AV Lebedev, "열 방정식에 대한 변이 양자 알고리즘의 심층 분석", 물리적 검토 A 107 5, 052422 (2023).
[41] Olivia Di Matteo 및 RM Woloshyn, "자동 미분을 사용한 양자 컴퓨팅 충실도 감수성", 물리적 검토 A 106 5, 052429 (2022).
[42] Matteo Robbiati, Alejandro Sopena, Andrea Papaluca 및 Stefano Carrazza, "양자 하드웨어의 변형 최적화를 위한 실시간 오류 완화", arXiv : 2311.05680, (2023).
[43] Piotr Czarnik, Michael McKerns, Andrew T. Sornborger 및 Lukasz Cincio, "양자 오류 완화의 불확실성 하에서 강력한 설계", arXiv : 2307.05302, (2023).
[44] Nico Meyer, Daniel D. Scherer, Axel Plinge, Christopher Mutschler 및 Michael J. Hartmann, "양자 자연 정책 그라데이션: 샘플 효율적인 강화 학습을 향하여", arXiv : 2304.13571, (2023).
[45] Enrico Fontana, Ivan Rungger, Ross Duncan 및 Cristina Cîrstoiu, "잡음 진단 및 필터 기반 디지털 오류 완화를 위한 스펙트럼 분석", arXiv : 2206.08811, (2022).
[46] Wei-Bin Ewe, Dax Enshan Koh, Siong Thye Goh, Hong-Son Chu 및 Ching Eng Png, "도파관 모드의 변형 양자 기반 시뮬레이션", 마이크로파 이론 기법에 관한 IEEE 거래 70 5, 2517(2022).
[47] Zichang He, Bo Peng, Yuri Alexeev 및 Zheng Zhang, "편이된 잡음을 사용한 분포적으로 강력한 변이 양자 알고리즘", arXiv : 2308.14935, (2023).
[48] Siddharth Dangwal, Gokul Subramanian Ravi, Poulami Das, Kaitlin N. Smith, Jonathan M. Baker 및 Frederic T. Chong, "VarSaw: 변이 양자 알고리즘을 위한 애플리케이션 맞춤형 측정 오류 완화", arXiv : 2306.06027, (2023).
[49] Jessie M. Henderson, Marianna Podzorova, M. Cerezo, John K. Golden, Leonard Gleyzer, Hari S. Viswanathan 및 Daniel O'Malley, "지질 균열 네트워크를 위한 양자 알고리즘", arXiv : 2210.11685, (2022).
[50] André Melo, Nathan Earnest-Noble 및 Francesco Tacchino, "펄스 효율적인 양자 기계 학습", 퀀텀 7, 1130 (2023).
[51] Christoph Hirche, Cambyse Rouzé 및 Daniel Stilck França, "양자 채널의 수축 계수, 부분 차수 및 용량 근사치", 퀀텀 6, 862 (2022).
[52] Jessie M. Henderson, Marianna Podzorova, M. Cerezo, John K. Golden, Leonard Gleyzer, Hari S. Viswanathan 및 Daniel O'Malley, "지질 균열 네트워크를 위한 양자 알고리즘", 과학 보고서 13, 2906 (2023).
[53] Marco Schumann, Frank K. Wilhelm 및 Alessandro Ciani, "임의 계층 노이즈 모델에서 노이즈로 인한 황량한 고원의 출현", arXiv : 2310.08405, (2023).
[54] Sharu Theresa Jose 및 Osvaldo Simeone, "매개변수화된 양자 회로의 오류 완화 지원 최적화: 수렴 분석", arXiv : 2209.11514, (2022).
[55] P. Singkanipa 및 DA Lidar, "변이 양자 알고리즘의 단위 잡음 너머: 잡음으로 인한 불모의 고원 및 고정점", arXiv : 2402.08721, (2024).
[56] Kevin Lively, Tim Bode, Jochen Szangolies, Jian-Xin Zhu 및 Benedikt Fauseweh, "변이 양자 고유 솔버의 위상 전이에 대한 강력한 실험적 서명", arXiv : 2402.18953, (2024).
[57] Yunfei Wang 및 Junyu Liu, “양자 기계 학습: NISQ에서 내결함성까지”, arXiv : 2401.11351, (2024).
[58] 이토 코스케(Kosuke Ito)와 케이스케 후지이(Keisuke Fujii), "SantaQlaus: 변이 양자 알고리즘의 최적화를 위해 양자 산탄 잡음을 활용하는 자원 효율적인 방법", arXiv : 2312.15791, (2023).
위의 인용은 SAO / NASA ADS (마지막으로 성공적으로 업데이트 됨 2024-03-15 03:40:55). 모든 출판사가 적절하고 완전한 인용 데이터를 제공하지는 않기 때문에 목록이 불완전 할 수 있습니다.
On Crossref의 인용 서비스 인용 작품에 대한 데이터가 없습니다 (최종 시도 2024-03-15 03:40:53).
이 백서는 Quantum에서 Creative Commons Attribution 4.0 International(CC BY 4.0) 특허. 저작권은 저자 또는 기관과 같은 원래 저작권 보유자에게 있습니다.
- SEO 기반 콘텐츠 및 PR 배포. 오늘 증폭하십시오.
- PlatoData.Network 수직 생성 Ai. 자신에게 권한을 부여하십시오. 여기에서 액세스하십시오.
- PlatoAiStream. 웹3 인텔리전스. 지식 증폭. 여기에서 액세스하십시오.
- 플라톤ESG. 탄소, 클린테크, 에너지, 환경, 태양광, 폐기물 관리. 여기에서 액세스하십시오.
- PlatoHealth. 생명 공학 및 임상 시험 인텔리전스. 여기에서 액세스하십시오.
- 출처: https://quantum-journal.org/papers/q-2024-03-14-1287/
- :이다
- :아니
- :어디
- ][피
- $UP
- 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
- 위의
- 추상
- ACCESS
- 정확한
- ACM
- 활동적인
- 아담
- 적응
- 많은
- 발전하다
- 이점
- 장점
- 적의
- 제휴
- AI
- 도움
- AL
- 앨런
- 알렉스
- 알렉산더
- 연산
- 알고리즘
- All
- 배당
- 에이미
- an
- 분석
- 분석
- 분석
- 및
- 안드레
- 앤드류
- 어플리케이션
- 적용된
- 적용
- 접근
- 근접한
- 임의
- 있군요
- 아리아
- AS
- 문의
- 평가
- 도움
- 천문학
- At
- 시도
- 속성
- 저자
- 작성자
- Automatic
- 평균화
- 빵 굽는 사람
- 메마른
- 장벽
- 기반으로
- 전투
- BE
- 된
- 맥주
- 초급
- 벤치마킹
- 혜택
- 막내 둥이
- BEST
- 그 너머
- 지폐
- BIN
- 생물학
- 곡물
- 부트 스트랩
- 두
- 경계
- 범위
- 흩어져
- 넓은
- 갈색
- 브라이언
- 건물
- 회보
- 사업
- by
- 캠브리지
- 조심
- CAN
- 카오
- 수용력
- 한
- 칼
- 카를로스
- 여자 이름
- 가지 경우
- 캐스퍼
- 센터
- 어떤
- 쇠사슬
- 과제
- 채널
- 요금
- 요금
- 화학
- 첸
- Cheng
- 중국
- 중국말
- 종
- 음식
- 크리스
- 기독교의
- 크리스토퍼
- 수업
- 황어 무리
- 코드화 된
- 수집
- 칼리지
- 본문
- 커밋
- 평민
- 커뮤니케이션
- 비교
- 경쟁력
- 완전한
- 복잡한
- 계산
- 컴퓨터
- 컴퓨터 과학
- 컴퓨터
- 컴퓨팅
- 집중
- 컨퍼런스
- 구성
- 일관된
- 끊임없는
- 축소
- 제어
- 수렴
- 저작권
- 비용
- 절단
- 절단
- 다니엘
- 데이터
- 데이터 중심
- 데이터 세트
- 데이브
- 데이비드
- de
- 깊은
- 의존하는
- 깊이
- 파생 상품
- 디자인
- 결심
- 장치
- 디바이스
- 진단
- 다이앤
- 샌디에고
- 차별화
- 디지털
- 치수
- 곧장
- 발견
- 토론
- 분포
- 배포
- 분할
- do
- 지배적 인
- 던컨
- 역학
- e
- E & T
- 에드워드
- 에드윈
- 효과
- 효율성
- 효율적인
- 중
- 다른
- 임베디드
- 출현
- 에너지
- 엔지니어링
- 대
- 에릭
- 오류
- 오류
- 증거
- 진화
- 정확한
- 흥분한
- 기대
- 실험
- 기하 급수적 인
- 기하 급수적으로
- 확장하다
- 인수 분해
- 부채
- FAST
- 빠른
- 충실도
- Find
- 먼저,
- 고정
- 파동
- 럭셔리
- 군
- 발견
- 기초
- 골절
- 뼈대
- 솔직한
- 에
- 변경
- 기능
- 기능
- 기본적인
- GAO
- 문
- 개빈
- 일반
- 일반화 된
- 생성적인
- 발전기
- 지질 학적
- 조지
- 유령
- 글로벌
- 골든
- 고든
- 그라디언트
- 부여
- 그래프
- 초록색
- 손
- 열심히
- 하드웨어
- 하버드
- 있다
- he
- 헨리
- 계층
- 높은
- 강조
- 역사
- 홀더
- 기대
- 그러나
- HTTP
- HTTPS
- 황
- 사냥꾼
- 잡종
- 하이브리드 양자-고전
- 통합 인증
- IEEE
- 영상
- 상상의
- 영상
- 영향
- 제국의
- 임페리얼 칼리지
- 임페리얼 칼리지 런던 대학
- 이행
- 구현
- 개선
- 개선
- in
- 포함
- 통합
- 정보
- 기관
- 상호 작용
- 흥미있는
- 국제 노동자 동맹
- 으로
- 조사 중
- 이스라엘
- IT
- 그
- 이반
- 잭
- 잭 히다리
- 야곱
- 제임스
- 일본
- 자바 스크립트
- 제프리
- 제레미
- JOE
- 요한 복음
- 존슨
- 조나단
- 존스
- 여호수아
- 일지
- 요한 복음
- 케니스
- 키
- 김
- 커비
- 키스
- 코닉
- 실험실
- 경치
- 풍경
- 넓은
- 성
- 라우
- 계층
- 배우기
- 휴가
- 바람이 불어가는 쪽
- 레오나드
- 이점
- Li
- 특허
- 제한
- 한계
- 제한
- 린
- 선의
- 명부
- 지방의
- 런던
- 긴
- 그들
- Los Alamos National Laboratory
- 루이
- 애정
- 낮은
- 절감
- 기계
- 기계 학습
- 확인
- 월
- 마르코
- 마리아
- 마틴
- 재료
- 수학의
- 매튜
- 최대
- 최대 폭
- 최고
- XNUMX월..
- 맥클린
- 측정
- 측량
- 측정 시간 상관관계
- 역학
- 미디어
- 의학
- 방법
- 방법
- 도량형
- 마이어
- 마이클
- 미카 일
- 마일
- 제분업자
- 제 분소
- 최소화
- 완화
- 완화시키는
- 완화
- 모델
- 모델링
- 모델
- 현대
- 모드
- 분자의
- 달
- 무함마드
- 나단
- 국가의
- 자연의
- 자연
- 가까운
- 네트워크
- 네트워크
- 신경의
- 신경망
- 신경망
- 신제품
- 니콜라스
- 니콜라스
- 아니
- 노이즈
- 비선형
- 핵무기
- 핵 물리학
- 오크 나무
- 목표
- of
- 자주
- on
- 열 수
- 연산자
- 기회
- 광학
- 최적의
- 최적화
- or
- 주문
- 명령
- 실물
- 기타
- 우리의
- 간접비
- 페이지
- 서
- 패트릭
- 폴
- 수행
- 성능
- 전망
- 베드로
- 상
- 현상
- 물리적
- 물리학
- 플라톤
- 플라톤 데이터 인텔리전스
- 플라토데이터
- 포인트 적립
- 관점
- 전철기
- 정책
- 긍정적인
- 가능성
- 파월
- 실용적인
- Pradeep
- Precision
- 키를 눌러
- 문제
- 문제
- 방법
- 프로세스
- 프로세서
- 가공업자
- 생산하다
- 약속
- 속성
- 프로토콜
- 제공
- 출판
- 발행자
- 출판사
- Qi
- 양자 컴퓨팅
- 양자 장점
- 양자 알고리즘
- 양자 컴퓨터
- 양자 컴퓨터
- 양자 컴퓨팅
- 양자 오류 수정
- 양자 게이트
- 양자 정보
- 양자 기계 학습
- 양자 기술
- 큐 비트
- R
- 라미
- 닥치는대로의
- 도달
- 실시간
- 최근
- 감소
- 축소
- 참조
- 신뢰할 수있는
- 유적
- 르네
- 보고서
- 연구
- 되튀기
- 탄력
- 해결
- 해결
- 의지
- 제품 자료
- 결과
- 결과
- 리뷰
- 리뷰
- 리차드
- 위험
- ROBERT
- 남자 이름
- 강력한
- 달리는
- 라이언
- s
- 샘
- 견본
- 규모
- 스케일링
- 과학
- 과학 기술
- 과학적인
- 스캇
- 션
- 검색
- 둘째
- 선택된
- 본인
- 설정
- 심한
- 심하게
- 얕은
- 샤르마
- 쇼
- 시프트 된
- 샷
- 영상을
- 표시
- 표시
- 쇼
- 시암
- 서명
- 시몬
- 시뮬레이션
- 시뮬레이션
- 시뮬레이터
- 크기
- 스미스
- 사회
- 일부
- 곧
- 소피아
- 스페이스 버튼
- 공간의
- 특별한
- 스펙트럼의
- 속도
- 회전
- stanford
- 주 정부
- 최첨단
- 미국
- 스테판
- 전략들
- 연구
- 성공적으로
- 이러한
- 적당한
- 태양
- 억압
- Susan의 이야기
- 자화율
- 체계
- 시스템은
- 촬영
- 기술
- 기법
- 기술
- Technology
- 기간
- 그
- XNUMXD덴탈의
- 풍경
- 그들의
- 그들
- 이론
- Bowman의
- 그들
- 이
- 도마
- 세
- 그러므로
- 단단한
- 팀
- 시간
- Title
- 에
- 공차
- 너무
- 도구 상자
- 검색을
- 에 대한
- Train
- 트레이닝
- 거래 내역
- 전환
- 수송
- 타일러
- 유형
- 불확실성
- 아래에
- 보편적 인
- 대학
- 업데이트
- URL
- 사용
- 사용
- 마케팅은:
- 반
- 확인
- 확인
- 를 통해
- 관측
- 온라인
- 음량
- vs
- W
- 왕
- 필요
- 였다
- we
- 여부
- 윌리엄
- 윌리엄스
- 과
- 없이
- 늑대
- 목재
- 작업
- 일
- 라이트
- wu
- X
- 샤오
- year
- 잉
- 원
- 제퍼 넷
- 제로
- 조
- 종