A mitigação de erros pode melhorar a capacidade de treinamento de algoritmos quânticos variacionais ruidosos?

A mitigação de erros pode melhorar a capacidade de treinamento de algoritmos quânticos variacionais ruidosos?

Carimbo de hora: 14 de março de 2024 11h34

Sansão Wang1,2, Piotr Czarnik1,3,4, André Arrasmith1,5, M. Cerezo1,5,6, Lucasz Cincio1,5e Patrick J. Coles1,5

1Divisão Teórica, Laboratório Nacional de Los Alamos, Los Alamos, NM 87545, EUA
2Departamento de Física, Imperial College London, Londres, SW7 2AZ, Reino Unido
3Faculdade de Física, Astronomia e Ciência da Computação Aplicada, Universidade Jaguelônica, Cracóvia, Polônia
4Centro Mark Kac para Pesquisa de Sistemas Complexos, Universidade Jagiellonian, Cracóvia, Polônia
5Centro de Ciência Quântica, Oak Ridge, TN 37931, EUA
6Centro de Estudos Não Lineares, Laboratório Nacional de Los Alamos, Los Alamos, NM 87545, EUA

Acha este artigo interessante ou deseja discutir? Scite ou deixe um comentário no SciRate.

Sumário

Algoritmos Quânticos Variacionais (VQAs) são frequentemente vistos como a melhor esperança para vantagem quântica no curto prazo. No entanto, estudos recentes mostraram que o ruído pode limitar severamente a capacidade de treinamento dos VQAs, por exemplo, ao nivelar exponencialmente o cenário de custos e suprimir as magnitudes dos gradientes de custos. A mitigação de erros (EM) mostra-se promissora na redução do impacto do ruído em dispositivos de curto prazo. Assim, é natural perguntar se o GR pode melhorar a treinabilidade dos VQAs. Neste trabalho, mostramos primeiro que, para uma ampla classe de estratégias de ME, a concentração exponencial de custos não pode ser resolvida sem comprometer recursos exponenciais noutros lugares. Esta classe de estratégias inclui como casos especiais Extrapolação de Ruído Zero, Destilação Virtual, Cancelamento de Erros Probabilísticos e Regressão de Dados de Clifford. Em segundo lugar, realizamos análises analíticas e numéricas desses protocolos EM e descobrimos que alguns deles (por exemplo, Destilação Virtual) podem dificultar a resolução de valores de função de custo em comparação com a execução de nenhum EM. Como resultado positivo, encontramos evidências numéricas de que a Regressão de Dados de Clifford (CDR) pode auxiliar o processo de treinamento em certos ambientes onde a concentração de custos não é muito severa. Nossos resultados mostram que deve-se ter cuidado na aplicação dos protocolos EM, pois eles podem piorar ou não melhorar a treinabilidade. Por outro lado, nossos resultados positivos para CDR destacam a possibilidade de métodos de mitigação de erros de engenharia para melhorar a treinabilidade.

A mitigação de erros pode melhorar a capacidade de treinamento de algoritmos quânticos variacionais ruidosos? Inteligência de dados PlatoBlockchain. Pesquisa vertical. Ai.

Imagem em destaque: Descobriu-se que certos tipos de ruído de hardware prejudicam exponencialmente a capacidade de resolução de cenários de custos em algoritmos quânticos variacionais. Assim, a otimização precisa e confiável de algoritmos quânticos variacionais ruidosos pode ser sobrecarregada com sobrecarga de amostra exponencial. Neste trabalho perguntamos se a mitigação de erros pode mitigar este fenômeno, tanto do ponto de vista de escala (no limite de tamanhos grandes de sistemas), quanto para tamanhos fixos de problemas.

► dados BibTeX

► Referências

[1] Jarrod R McClean, Jonathan Romero, Ryan Babbush e Alán Aspuru-Guzik. "A teoria dos algoritmos quântico-clássicos híbridos variacionais". 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 e Patrick J. Coles. “Algoritmos quânticos variacionais”. Nature Reviews Physics 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 e Xiao Yuan. “Simulação quântica baseada em ansatz variacional da evolução imaginária do tempo”. npj Quantum Information 5, 1–6 (2019).
https:/​/​doi.org/​10.1038/​s41534-019-0187-2

[4] Harper R Grimsley, Sophia E Economou, Edwin Barnes, and Nicholas J Mayhall. “Um algoritmo variacional adaptativo para simulações moleculares exatas em um computador quântico”. Nature Communications 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 e Andrew Sornborger. “Avanço rápido variacional para simulação quântica além do tempo de coerência”. npj Informações Quânticas 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 e Andrew Sornborger. “Diagonalização hamiltoniana variacional para simulação quântica dinâmica”. Pré-impressão do arXiv 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 e Andrew Sornborger. “Simulações de longa duração com alta fidelidade em hardware quântico”. Pré-impressão arXiv 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 e Peter P Orth. “Simulações de dinâmica quântica variacional adaptativa”. Pré-impressão do arXiv arXiv:2011.00622 (2020).
https: / / doi.org/ 10.1103 / PRXQuantum.2.030307

[9] Suguru Endo, Jinzhao Sun, Ying Li, Simon C Benjamin e Xiao Yuan. “Simulação quântica variacional de processos gerais”. Cartas de revisão física 125, 010501 (2020).
https: / / doi.org/ 10.1103 / PhysRevLett.125.010501

[10] Y. Li e SC Benjamin. “Simulador quântico variacional eficiente incorporando minimização ativa de erros”. Física. Rev. X 7, 021050 (2017).
https: / / doi.org/ 10.1103 / PhysRevX.7.021050

[11] Jonathan Wei Zhong Lau, Kishor Bharti, Tobias Haug e Leong Chuan Kwek. “Simulação quântica assistida de hamiltonianos dependentes do tempo”. Pré-impressão arXiv arXiv:2101.07677 (2021).
https://​/​doi.org/​10.48550/​arXiv.2101.07677

[12] Kentaro Heya, Ken M Nakanishi, Kosuke Mitarai e Keisuke Fujii. “Simulador quântico variacional subespacial”. Pré-impressão do arXiv arXiv:1904.08566 (2019).
https://​/​doi.org/​10.48550/​arXiv.1904.08566

[13] Xiao Yuan, Suguru Endo, Qi Zhao, Ying Li e Simon C Benjamin. “Teoria da simulação quântica variacional”. Quantum 3, 191 (2019).
https:/​/​doi.org/​10.22331/​q-2019-10-07-191

[14] Maria Schuld, Alex Bocharov, Krysta M Svore e Nathan Wiebe. “Classificadores quânticos centrados em circuito”. Revisão Física A 101, 032308 (2020).
https: / / doi.org/ 10.1103 / PhysRevA.101.032308

[15] Guillaume Verdon, Michael Broughton e Jacob Biamonte. “Um algoritmo quântico para treinar redes neurais usando circuitos de baixa profundidade”. Pré-impressão do arXiv arXiv:1712.05304 (2017).
https://​/​doi.org/​10.48550/​arXiv.1712.05304

[16] Jonathan Romero e Alán Aspuru-Guzik. “Geradores quânticos variacionais: aprendizado de máquina quântica adversária generativa para distribuições contínuas”. Tecnologias Quânticas Avançadas 4, 2000003 (2021).
https: / / doi.org/ 10.1002 / qute.202000003

[17] Edward Farhi e Hartmut Neven. “Classificação com redes neurais quânticas em processadores de curto prazo”. Pré-impressão do arXiv 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 e Ramona Wolf. “Treinamento de redes neurais quânticas profundas”. Nature Communications 11, 808 (2020).
https:/​/​doi.org/​10.1038/​s41467-020-14454-2

[19] Iris Cong, Soonwon Choi e Mikhail D Lukin. “Redes neurais convolucionais quânticas”. Nature Physics 15, 1273–1278 (2019).
https:/​/​doi.org/​10.1038/​s41567-019-0648-8

[20] Edward Grant, Marcello Benedetti, Shuxiang Cao, Andrew Hallam, Joshua Lockhart, Vid Stojevic, Andrew G Green e Simone Severini. “Classificadores quânticos hierárquicos”. npj Informação Quântica 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 e Jeremy L O'brien. “Um solucionador de autovalor variacional em um processador quântico fotônico”. Nature Communications 5, 1–7 (2014).
https: / / doi.org/ 10.1038 / ncomms5213

[22] Bela Bauer, Dave Wecker, Andrew J Millis, Matthew B Hastings e Matthias Troyer. “Abordagem híbrida quântica clássica para materiais correlacionados”. Revisão Física X 6, 031045 (2016).
https: / / doi.org/ 10.1103 / PhysRevX.6.031045

[23] Tyson Jones, Suguru Endo, Sam McArdle, Xiao Yuan e Simon C Benjamin. “Algoritmos quânticos variacionais para descoberta de espectros hamiltonianos”. Revisão Física A 99, 062304 (2019).
https: / / doi.org/ 10.1103 / PhysRevA.99.062304

[24] Edward Farhi, Jeffrey Goldstone e Sam Gutmann. “Um algoritmo de otimização quântica aproximada”. pré-impressão arXiv arXiv:1411.4028 (2014).
https://​/​doi.org/​10.48550/​arXiv.1411.4028

[25] Zhihui Wang, S. Hadfield, Z. Jiang e EG Rieffel. “Algoritmo de otimização aproximada quântica para MaxCut: uma visão fermiônica”. Revisão Física A 97, 022304 (2018).
https: / / doi.org/ 10.1103 / PhysRevA.97.022304

[26] Gavin E Crooks. “Desempenho do algoritmo de otimização quântica aproximada no problema de corte máximo”. pré-impressão arXiv 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 e Rupak Biswas. “Do algoritmo de otimização aproximada quântica a um operador alternativo quântico ansatz”. Algoritmos 12, 34 (2019).
https: / / doi.org/ 10.3390 / a12020034

[28] Carlos Bravo-Prieto, Ryan LaRose, M. Cerezo, Yigit Subasi, Lukasz Cincio e Patrick Coles. “Solucionador linear quântico variacional”. Pré-impressão do arXiv 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 e Xiao Yuan. “Algoritmos variacionais para álgebra linear”. Boletim Científico 66, 2181–2188 (2021).
https: / / doi.org/ 10.1016 / j.scib.2021.06.023

[30] Bálint Koczor, Suguru Endo, Tyson Jones, Yuichiro Matsuzaki e Simon C Benjamin. “Metrologia quântica de estado variacional”. Novo Jornal de Física (2020).
https: / / doi.org/ 10.1088 / 1367-2630 / ab965e

[31] Johannes Jakob Meyer, Johannes Borregaard e Jens Eisert. “Uma caixa de ferramentas variacional para estimativa quântica multiparâmetros”. Informações quânticas NPJ 7, 1–5 (2021).
https: / / doi.org/ 10.1038 / s41534-021-00425-y

[32] Eric Anschuetz, Jonathan Olson, Alán Aspuru-Guzik e Yudong Cao. “Fatoração quântica variacional”. Problemas de tecnologia e otimização quântica (2019).
https:/​/​doi.org/​10.1007/​978-3-030-14082-3_7

[33] Sumeet Khatri, Ryan LaRose, Alexander Poremba, Lukasz Cincio, Andrew T Sornborger e Patrick J Coles. “Compilação quântica assistida por quantum”. Quantum 3, 140 (2019).
https:/​/​doi.org/​10.22331/​q-2019-05-13-140

[34] Kunal Sharma, Sumeet Khatri, M. Cerezo e Patrick J Coles. “Resiliência de ruído da compilação quântica variacional”. Novo Jornal de Física 22, 043006 (2020).
https: / / doi.org/ 10.1088 / 1367-2630 / ab784c

[35] Tyson Jones e Simon C Benjamin. “Compilação quântica e otimização de circuitos via dissipação de energia”. pré-impressão arXiv 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 e Patrick J Coles. “Histórias variacionais consistentes como um algoritmo híbrido para fundações quânticas”. Nature Communications 10, 1–7 (2019).
https:/​/​doi.org/​10.1038/​s41467-019-11417-0

[37] M. Cerezo, Kunal Sharma, Andrew Arrasmith e Patrick J Coles. “Eigensolver de estado quântico variacional”. Pré-impressão do arXiv arXiv:2004.01372 (2020).
https:/​/​doi.org/​10.1038/​s41534-022-00611-6

[38] Ryan LaRose, Arkin Tikku, Étude O'Neel-Judy, Lukasz Cincio e Patrick J Coles. “Diagonalização do estado quântico variacional”. npj Informações Quânticas 5, 1–10 (2019).
https:/​/​doi.org/​10.1038/​s41534-019-0167-6

[39] Guillaume Verdon, Jacob Marks, Sasha Nanda, Stefan Leichenauer e Jack Hidary. “Modelos baseados em hamiltoniano quântico e o algoritmo variacional do termalizador quântico”. Pré-impressão do arXiv arXiv:1910.02071 (2019).
https://​/​doi.org/​10.48550/​arXiv.1910.02071

[40] Peter D Johnson, Jonathan Romero, Jonathan Olson, Yudong Cao e Alán Aspuru-Guzik. “Qvector: um algoritmo para correção quântica de erros sob medida para o dispositivo”. Pré-impressão do arXiv arXiv:1711.02249 (2017).
https://​/​doi.org/​10.48550/​arXiv.1711.02249

[41] John Preskill. “Computação quântica na era NISQ e além”. Quantum 2, 79 (2018).
https:/​/​doi.org/​10.22331/​q-2018-08-06-79

[42] Kristan Temme, Sergey Bravyi e Jay M. Gambetta. “Mitigação de erros para circuitos quânticos de curta profundidade”. Física Rev. Lett. 119, 180509 (2017).
https: / / doi.org/ 10.1103 / PhysRevLett.119.180509

[43] Suguru Endo, Simon C Benjamin e Ying Li. “Mitigação prática de erros quânticos para aplicações em futuro próximo”. Revisão Física 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 e Jay M. Gambetta. “A mitigação de erros estende o alcance computacional de um processador quântico barulhento”. Natureza 567, 491-495 (2019).
https:/​/​doi.org/​10.1038/​s41586-019-1040-7

[45] Piotr Czarnik, Andrew Arrasmith, Patrick J. Coles e Lukasz Cincio. “Mitigação de erros com dados do circuito quântico de Clifford”. Quântico 5, 592 (2021).
https:/​/​doi.org/​10.22331/​q-2021-11-26-592

[46] 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. “Destilação virtual para mitigação de erros quânticos”. Revisão Física X 11, 041036 (2021).
https: / / doi.org/ 10.1103 / PhysRevX.11.041036

[47] Bálint Koczor. “Supressão de erro exponencial para dispositivos quânticos de curto prazo”. Revisão Física X 11, 031057 (2021).
https: / / doi.org/ 10.1103 / PhysRevX.11.031057

[48] Jarrod R McClean, Mollie E Kimchi-Schwartz, Jonathan Carter e Wibe A De Jong. "Hierarquia quântica-clássica híbrida para mitigação de decoerência e determinação de estados excitados". Revisão Física 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 e Ryan Babbush. “Mitigação de erros via estimativa de fase verificada”. PRX Quantum 2, 020317 (2021).
https: / / doi.org/ 10.1103 / PRXQuantum.2.020317

[50] Sam McArdle, Xiao Yuan e Simon Benjamin. “Simulação quântica digital com mitigação de erros”. Física Rev. Lett. 122, 180501 (2019).
https: / / doi.org/ 10.1103 / PhysRevLett.122.180501

[51] Xavi Bonet-Monroig, Ramiro Sagastizabal, M Singh e TE O'Brien. “Mitigação de erros de baixo custo por verificação de simetria”. Revisão Física 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 e Ryan Babbush. “Medições eficientes e resilientes ao ruído para química quântica em computadores quânticos de curto prazo”. npj Quantum Information 7, 1–9 (2021).
https:/​/​doi.org/​10.1038/​s41534-020-00341-7

[53] George S Barron e Christopher J Wood. “Mitigação de erros de medição para algoritmos quânticos variacionais”. Pré-impressão do arXiv arXiv:2010.08520 (2020).
https://​/​doi.org/​10.48550/​arXiv.2010.08520

[54] Alistair WR Smith, Kiran E. Khosla, Chris N. Self e MS Kim. “Mitigação de erros de leitura Qubit com média de inversão de bits”. Avanços da Ciência 7 (2021).
https://​/​doi.org/​10.1126/​sciadv.abi8009

[55] Daiqin Su, Robert Israel, Kunal Sharma, Haoyu Qi, Ish Dhand e Kamil Brádler. “Mitigação de erros em um dispositivo fotônico quântico de curto prazo”. Quântico 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 e Patrick J Coles. “Planaltos estéreis induzidos por ruído em algoritmos quânticos variacionais”. Nature Communications 12, 1–11 (2021).
https:/​/​doi.org/​10.1038/​s41467-021-27045-6

[57] Daniel Stilck França e Raul Garcia-Patron. “Limitações de algoritmos de otimização em dispositivos quânticos ruidosos”. Nature Physics 17, 1221–1227 (2021).
https:/​/​doi.org/​10.1038/​s41567-021-01356-3

[58] Jarrod R McClean, Sergio Boixo, Vadim N Smelyanskiy, Ryan Babbush e Hartmut Neven. “Planaltos estéreis em paisagens de treinamento de rede neural quântica”. Nature Communications 9, 1–6 (2018).
https:/​/​doi.org/​10.1038/​s41467-018-07090-4

[59] M. Cerezo, Akira Sone, Tyler Volkoff, Lukasz Cincio e Patrick J Coles. “Planaltos estéreis dependentes da função de custo em circuitos quânticos parametrizados rasos”. Nature Communications 12, 1–12 (2021).
https: / / doi.org/ 10.1038 / s41467-021-21728-w

[60] Andrew Arrasmith, M. Cerezo, Piotr Czarnik, Lukasz Cincio e Patrick J Coles. “Efeito de platôs estéreis na otimização livre de gradiente”. Quantum 5, 558 (2021).
https:/​/​doi.org/​10.22331/​q-2021-10-05-558

[61] M. Cerezo e Patrick J Coles. "Derivados de ordem superior de redes neurais quânticas com planaltos estéreis". Ciência e Tecnologia Quântica 6, 035006 (2021).
https: / / doi.org/ 10.1088 / 2058-9565 / abf51a

[62] Kentaro Heya, Yasunari Suzuki, Yasunobu Nakamura e Keisuke Fujii. “Otimização de porta quântica variacional”. Pré-impressão do arXiv arXiv:1810.12745 (2018).
https://​/​doi.org/​10.48550/​arXiv.1810.12745

[63] Jonathan Romero, Jonathan P Olson e Alan Aspuru-Guzik. “Autoencoders quânticos para compactação eficiente de dados quânticos”. Ciência e Tecnologia Quântica 2, 045001 (2017).
https: / / doi.org/ 10.1088 / 2058-9565 / aa8072

[64] Lennart Bittel e Martin Kliesch. “Treinar algoritmos quânticos variacionais é np-difícil”. Física Rev. Lett. 127, 120502 (2021).
https: / / doi.org/ 10.1103 / PhysRevLett.127.120502

[65] Jonas M Kübler, Andrew Arrasmith, Lukasz Cincio e Patrick J Coles. “Um otimizador adaptativo para algoritmos variacionais de medição frugal”. Quantum 4, 263 (2020).
https:/​/​doi.org/​10.22331/​q-2020-05-11-263

[66] Andrew Arrasmith, Lukasz Cincio, Rolando D Somma e Patrick J Coles. “Amostragem de operador para otimização frugal em algoritmos variacionais”. Pré-impressão do arXiv arXiv:2004.06252 (2020).
https://​/​doi.org/​10.48550/​arXiv.2004.06252

[67] Andi Gu, Angus Lowe, Pavel A Dub, Patrick J. Coles e Andrew Arrasmith. “Alocação adaptativa de disparos para convergência rápida em algoritmos quânticos variacionais”. Pré-impressão arXiv arXiv:2108.10434 (2021).
https://​/​doi.org/​10.48550/​arXiv.2108.10434

[68] Zoë Holmes, Kunal Sharma, M. Cerezo e Patrick J Coles. “Conectando a expressibilidade ansatz a magnitudes de gradiente e planaltos estéreis”. PRX Quantum 3, 010313 (2022).
https: / / doi.org/ 10.1103 / PRXQuantum.3.010313

[69] Zoë Holmes, Andrew Arrasmith, Bin Yan, Patrick J. Coles, Andreas Albrecht e Andrew T Sornborger. “Planaltos áridos impedem a aprendizagem de misturadores”. Cartas de Revisão Física 126, 190501 (2021).
https: / / doi.org/ 10.1103 / PhysRevLett.126.190501

[70] Carlos Ortiz Marrero, Mária Kieferová e Nathan Wiebe. “Planaltos estéreis induzidos por emaranhamento”. PRX Quantum 2, 040316 (2021).
https: / / doi.org/ 10.1103 / PRXQuantum.2.040316

[71] Taylor L Patti, Khadijeh Najafi, Xun Gao e Susanne F Yelin. “Enredamento concebido para mitigação de planaltos estéreis”. Pesquisa de Revisão Física 3, 033090 (2021).
https: / / doi.org/ 10.1103 / PhysRevResearch.3.033090

[72] Martin Larocca, Piotr Czarnik, Kunal Sharma, Gopikrishnan Muraleedharan, Patrick J. Coles e M. Cerezo. “Diagnosticando platôs áridos com ferramentas de controle quântico ideal”. pré-impressão arXiv arXiv:2105.14377 (2021).
https://​/​doi.org/​10.48550/​arXiv.2105.14377

[73] Kosuke Mitarai, Makoto Negoro, Masahiro Kitagawa e Keisuke Fujii. “Aprendizado de circuitos quânticos”. Physical Review A 98, 032309 (2018).
https: / / doi.org/ 10.1103 / PhysRevA.98.032309

[74] Maria Schuld, Ville Bergholm, Christian Gogolin, Josh Izaac e Nathan Killoran. “Avaliando gradientes analíticos em hardware quântico”. Revisão Física A 99, 032331 (2019).
https: / / doi.org/ 10.1103 / PhysRevA.99.032331

[75] John A Nelder e Roger Mead. "Um método simplex para minimização de funções". O jornal de informática 7, 308–313 (1965).
https: / / doi.org/ 10.1093 / comjnl / 7.4.308

[76] MJD Powell. “Um método de otimização de busca direta que modela as funções objetivo e de restrição por interpolação linear”. Avanços em Otimização e Análise Numérica (1994).
https:/​/​doi.org/​10.1007/​978-94-015-8330-5_4

[77] E. Campos, D. Rabinovich, V. Akshay e J. Biamonte. “Treinamento de saturação em otimização aproximada quântica em camadas”. Revisão Física A 104 (2021).
https: / / doi.org/ 10.1103 / PhysRevA.104.L030401

[78] Cheng Xue, Zhao-Yun Chen, Yu-Chun Wu e Guo-Ping Guo. “Efeitos do ruído quântico no algoritmo de otimização aproximada quântica”. Chinese Physics Letters 38, 030302 (2021).
https:/​/​doi.org/​10.1088/​0256-307X/​38/​3/​030302

[79] Jeffrey Marshall, Filip Wudarski, Stuart Hadfield e Tad Hogg. “Caracterização de ruído local em circuitos qaoa”. IOP SciNotes 1, 025208 (2020). URL: https://​/​doi.org/​10.1088/​2633-1357/​abb0d7.
https:/​/​doi.org/​10.1088/​2633-1357/​abb0d7

[80] Enrico Fontana, M. Cerezo, Andrew Arrasmith, Ivan Rungger e Patrick J. Coles. “Simetrias não triviais em paisagens quânticas e sua resiliência ao ruído quântico”. Quântico 6, 804 (2022).
https:/​/​doi.org/​10.22331/​q-2022-09-15-804

[81] Suguru Endo, Zhenyu Cai, Simon C Benjamin e Xiao Yuan. “Algoritmos quântico-clássicos híbridos e mitigação de erros quânticos”. Journal of the Physical Society of Japan 90, 032001 (2021).
https: / / doi.org/ 10.7566 / JPSJ.90.032001

[82] Angus Lowe, Max Hunter Gordon, Piotr Czarnik, Andrew Arrasmith, Patrick J. Coles e Lukasz Cincio. “Abordagem unificada para mitigação de erros quânticos baseada em dados”. Física. Rev. Pesquisa 3, 033098 (2021).
https: / / doi.org/ 10.1103 / PhysRevResearch.3.033098

[83] Andrea Mari, Nathan Shammah e William J Zeng. “Estendendo o cancelamento de erro probabilístico quântico por escala de ruído”. Revisão Física 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 e Lukasz Cincio. “Unificação e benchmarking de técnicas de mitigação de erros quânticos de última geração”. Quântico 7, 1034 (2023).
https:/​/​doi.org/​10.22331/​q-2023-06-06-1034

[85] Ashley Montanaro e Stasja Stanisic. “Mitigação de erros por treinamento com óptica linear fermiônica”. Pré-impressão arXiv arXiv:2102.02120 (2021).
https://​/​doi.org/​10.48550/​arXiv.2102.02120

[86] Joseph Vovrosh, Kiran E Khosla, Sean Greenaway, Christopher Self, Myungshik S Kim e Johannes Knolle. “Simples mitigação de erros de despolarização globais em simulações quânticas”. Revisão Física E 104, 035309 (2021).
https: / / doi.org/ 10.1103 / PhysRevE.104.035309

[87] Eliott Rosenberg, Paul Ginsparg e Peter L McMahon. “Mitigação experimental de erros usando reescalonamento linear para auto-solução quântica variacional com até 20 qubits”. Ciência e Tecnologia Quântica 7, 015024 (2022).
https:/​/​doi.org/​10.1088/​2058-9565/​ac3b37

[88] Andre He, Benjamin Nachman, Wibe A. de Jong e Christian W. Bauer. “Extrapolação de ruído zero para mitigação de erros de porta quântica com inserções de identidade”. Revisão Física A 102, 012426 (2020).
https: / / doi.org/ 10.1103 / PhysRevA.102.012426

[89] André Shaw. “Mitigação de ruído quântico clássico para hardware nisq”. Pré-impressão arXiv 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, e outros. “Observação de dinâmicas separadas de carga e spin no modelo fermi-hubbard”. Pré-impressão do arXiv arXiv:2010.07965 (2020).
https://​/​doi.org/​10.48550/​arXiv.2010.07965

[91] Armands Strikis, Dayue Qin, Yanzhu Chen, Simon C Benjamin e Ying Li. “Mitigação de erros quânticos baseada em aprendizagem”. PRX Quantum 2, 040330 (2021).
https: / / doi.org/ 10.1103 / PRXQuantum.2.040330

[92] Piotr Czarnik, Andrew Arrasmith, Lukasz Cincio e Patrick J Coles. “Supressão exponencial de erros com eficiência Qubit”. Pré-impressão arXiv arXiv:2102.06056 (2021).
https://​/​doi.org/​10.48550/​arXiv.2102.06056

[93] Yifeng Xiong, Daryus Chandra, Soon Xin Ng e Lajos Hanzo. “Amostragem de análise de sobrecarga de mitigação de erros quânticos: sistemas não codificados versus sistemas codificados”. Acesso IEEE 8, 228967–228991 (2020).
https: / / doi.org/ 10.1109 / ACCESS.2020.3045016

[94] Ryuji Takagi. “Custo ideal de recursos para mitigação de erros”. Física. Rev. 3, 033178 (2021).
https: / / doi.org/ 10.1103 / PhysRevResearch.3.033178

[95] Lukasz Cincio, Kenneth Rudinger, Mohan Sarovar e Patrick J. Coles. “Aprendizado de máquina de circuitos quânticos resilientes a ruído”. PRX Quantum 2, 010324 (2021).
https: / / doi.org/ 10.1103 / PRXQuantum.2.010324

[96] P Erdös e A Rényi. “Em gráficos aleatórios $I$”. Publicações 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, Hanhee Paik, Ali Javadi-Abhari, Petar Jurcevic, Ismael Faro, Jay M. Gambetta e Blake R. Johnson. “Qualidade, velocidade e escala: três atributos principais para medir o desempenho de computadores quânticos de curto prazo”. pré-impressão arXiv arXiv:2110.14108 (2021).
https://​/​doi.org/​10.48550/​arXiv.2110.14108

[98] Tudor Giurgica-Tiron, Yousef Hindy, Ryan LaRose, Andrea Mari e William J Zeng. “Extrapolação digital de ruído zero para mitigação de erros quânticos”. Conferência Internacional IEEE 2020 sobre Computação e Engenharia Quântica (QCE) (2020).
https: / / doi.org/ 10.1109 / QCE49297.2020.00045

[99] Youngseok Kim, Christopher J. Wood, Theodore J. Yoder, Seth T. Merkel, Jay M. Gambetta, Kristan Temme e Abhinav Kandala. “A mitigação de erros escalonável para circuitos quânticos ruidosos produz valores de expectativa competitivos”. Pré-impressão arXiv arXiv:2108.09197 (2021).
https:/​/​doi.org/​10.1038/​s41567-022-01914-3

[100] Cristina Cirstoiu, Silas Dilkes, Daniel Mills, Seyon Sivarajah e Ross Duncan. “Benchmarking volumétrico de mitigação de erros com Qermit”. Pré-impressão arXiv arXiv:2204.09725 (2022).
https://​/​doi.org/​10.48550/​ARXIV.2204.09725

[101] Ryuji Takagi, Suguru Endo, Shintaro Minagawa e Mile Gu. “Limites fundamentais da mitigação de erros quânticos”. npj Quantum Information 8, 114 (2022).
https: / / doi.org/ 10.1038 / s41534-022-00618-z

[102] Avram Sidi. “Métodos práticos de extrapolação: Teoria e aplicações”. Volume 10. Imprensa da Universidade de Cambridge. (2003).

[103] Masanori Ohya e Dénes Petz. “Entropia Quântica e sua utilização”. Springer Ciência e Mídia de Negócios. (2004).

[104] Christoph Hirche, Cambyse Rouzé e Daniel Stilck França. “Sobre coeficientes de contração, ordens parciais e aproximação de capacidades para canais quânticos”. Quântico 6, 862 (2022).
https:/​/​doi.org/​10.22331/​q-2022-11-28-862

[105] Jeffrey C. Lagarias, James A. Reeds, Margaret H. Wright e Paul E. Wright. “Propriedades de convergência do método nelder-mead simplex em baixas dimensões”. SIAM Journal on Optimization 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, Boram Yoon, Richard Zamora, Wei Zhu, Stephan Eidenbenz, Andreas Bärtschi, Patrick J. Coles, Marc Vuffray e Andrey Y. Lokhov. “Implementações de algoritmos quânticos para iniciantes”. Transações ACM em Computação Quântica (2022).
https: / / doi.org/ 10.1145 / 3517340

[107] Bálint Koczor. “O autovetor dominante de um estado quântico ruidoso”. Novo Jornal de Física 23, 123047 (2021).
https://​/​doi.org/​10.1088/​1367-2630/​ac37ae

Citado por

[1] Zhenyu Cai, Ryan Babbush, Simon C. Benjamin, Suguru Endo, William J. Huggins, Ying Li, Jarrod R. McClean e Thomas E. O'Brien, “Mitigação de erros quânticos”, Comentários de Modern Physics 95 4, 045005 (2023).

[2] Ryuji Takagi, Hiroyasu Tajima e Mile Gu, “Limites inferiores de amostragem universal para mitigação de erros quânticos”, Cartas de Revisão Física 131 21, 210602 (2023).

[3] Louis Schatzki, Andrew Arrasmith, Patrick J. Coles e M. Cerezo, "Entangled Datasets for Quantum Machine Learning", arXiv: 2109.03400, (2021).

[4] Ryuji Takagi, Suguru Endo, Shintaro Minagawa e Mile Gu, “Limites fundamentais da mitigação de erros quânticos”, npj Informações Quânticas 8, 114 (2022).

[5] Martin Larocca, Nathan Ju, Diego García-Martín, Patrick J. Coles e M. Cerezo, “Theory of overparametrization in quantum neural networks”, arXiv: 2109.11676, (2021).

[6] Valentin Heyraud, Zejian Li, Kaelan Donatella, Alexandre Le Boité e Cristiano Ciuti, “Estimativa Eficiente de Treinabilidade para Circuitos Quânticos Variacionais”, PRX Quantum 4 4, 040335 (2023).

[7] Patrick J. Coles, Collin Szczepanski, Denis Melanson, Kaelan Donatella, Antonio J. Martinez e Faris Sbahi, “Thermodynamic AI and the floating frontier”, arXiv: 2302.06584, (2023).

[8] Yihui Quek, Daniel Stilck França, Sumeet Khatri, Johannes Jakob Meyer e Jens Eisert, “Limites exponencialmente mais rígidos nas limitações da mitigação de erros quânticos”, arXiv: 2210.11505, (2022).

[9] Kento Tsubouchi, Takahiro Sagawa e Nobuyuki Yoshioka, “Limite de custo universal da mitigação de erros quânticos com base na teoria da estimativa quântica”, Cartas de Revisão Física 131 21, 210601 (2023).

[10] R. Au-Yeung, B. Camino, O. Rathore e V. Kendon, “Algoritmos quânticos para aplicações científicas”, arXiv: 2312.14904, (2023).

[11] Yasunari Suzuki, Suguru Endo, Keisuke Fujii e Yuuki Tokunaga, "Mitigação de erro quântico como uma técnica de minimização de erro universal: aplicativos de NISQ para FTQC eras", 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: Um bootstrap clássico de simulação para algoritmos quânticos variacionais”, 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, “Técnicas de computação quântica de curto prazo: algoritmos quânticos variacionais, mitigação de erros, compilação de circuitos, benchmarking e simulação clássica”, Science China Física, Mecânica e Astronomia 66 5, 250302 (2023).

[14] Yasunari Suzuki, Suguru Endo, Keisuke Fujii e Yuuki Tokunaga, “Mitigação de erros quânticos como uma técnica universal de redução de erros: aplicações do NISQ às eras da computação quântica tolerante a falhas”, PRX Quantum 3 1, 010345 (2022).

[15] Supanut Thanasilp, Samson Wang, M. Cerezo e Zoë Holmes, “Concentração exponencial e intreinabilidade em métodos de kernel quântico”, arXiv: 2208.11060, (2022).

[16] Abhinav Deshpande, Pradeep Niroula, Oles Shtanko, Alexey V. Gorshkov, Bill Fefferman e Michael J. Gullans, “Limites rígidos na convergência de circuitos aleatórios barulhentos para a distribuição uniforme”, PRX Quantum 3 4, 040329 (2022).

[17] Giacomo De Palma, Milad Marvian, Cambyse Rouzé e Daniel Stilck França, “Limitações de algoritmos quânticos variacionais: uma abordagem de transporte quântico ideal”, PRX Quantum 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, “Forças Nucleares para Física Nuclear de Precisão: Uma Coleção de Perspectivas”, Sistemas de poucos corpos 63 4, 67 (2022).

[19] C. Huerta Alderete, Max Hunter Gordon, Frédéric Sauvage, Akira Sone, Andrew T. Sornborger, Patrick J. Coles e M. Cerezo, “Sensor Quântico Baseado em Inferência”, Cartas de Revisão Física 129 19, 190501 (2022).

[20] Frédéric Sauvage, Martín Larocca, Patrick J. Coles e M. Cerezo, “Construindo simetrias espaciais em circuitos quânticos parametrizados para treinamento mais rápido”, Ciência e Tecnologia Quântica 9 1, 015029 (2024).

[21] Adam Callison e Nicholas Chancellor, “Algoritmos quânticos clássicos híbridos na barulhenta era quântica de escala intermediária e além”, Revisão Física A 106 1, 010101 (2022).

[22] Supanut Thanasilp, Samson Wang, Nhat A. Nghiem, Patrick J. Coles e M. Cerezo, “Sutilezas na treinabilidade de modelos de aprendizado de máquina quântica”, arXiv: 2110.14753, (2021).

[23] Laurin E. Fischer, Daniel Miller, Francesco Tacchino, Panagiotis Kl. Barkoutsos, Daniel J. Egger e Ivano Tavernelli, “Implementação livre de Ancilla de medições generalizadas para qubits incorporados em um espaço qudit”, Pesquisa de Revisão Física 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, “Avaliando os benefícios e riscos dos computadores quânticos”, arXiv: 2401.16317, (2024).

[25] Benjamin A. Cordier, Nicolas PD Sawaya, Gian G. Guerreschi e Shannon K. McWeeney, "Biologia e medicina na paisagem das vantagens quânticas", arXiv: 2112.00760, (2021).

[26] Manuel S. Rudolph, Sacha Lerch, Supanut Thanasilp, Oriel Kiss, Sofia Vallecorsa, Michele Grossi e Zoë Holmes, “Barreiras de treinabilidade e oportunidades na modelagem generativa quântica”, arXiv: 2305.02881, (2023).

[27] Zhenyu Cai, "A Practical Framework for Quantum Error Mitigation", arXiv: 2110.05389, (2021).

[28] M. Cerezo, Guillaume Verdon, Hsin-Yuan Huang, Lukasz Cincio e Patrick J. Coles, “Challenges and Opportunities in Quantum Machine Learning”, arXiv: 2303.09491, (2023).

[29] Keita Kanno, Masaya Kohda, Ryosuke Imai, Sho Koh, Kosuke Mitarai, Wataru Mizukami e Yuya O. Nakagawa, “Quantum-Selected Configuration Interaction: classic diagonalization of Hamiltonians in subspaces selected by quantum computer”, arXiv: 2302.11320, (2023).

[30] Tailong Xiao, Xinliang Zhai, Xiaoyan Wu, Jianping Fan e Guihua Zeng, “Vantagem prática do aprendizado de máquina quântica em imagens fantasmas”, Física das Comunicações 6 1, 171 (2023).

[31] Kazunobu Maruyoshi, Takuya Okuda, Juan W. Pedersen, Ryo Suzuki, Masahito Yamazaki e Yutaka Yoshida, “Cargas conservadas na simulação quântica de cadeias de spin integráveis”, Journal of Physics A Mathematical General 56 16, 165301 (2023).

[32] Marvin Bechtold, Johanna Barzen, Frank Leymann, Alexander Mandl, Julian Obst, Felix Truger e Benjamin Weder, “Investigando o efeito do corte de circuito em QAOA para o problema MaxCut em dispositivos NISQ”, Ciência e Tecnologia Quântica 8 4, 045022 (2023).

[33] Christoph Hirche, Cambyse Rouzé e Daniel Stilck França, “Sobre coeficientes de contração, ordens parciais e aproximação de capacidades para canais quânticos”, arXiv: 2011.05949, (2020).

[34] Cristina Cirstoiu, Silas Dilkes, Daniel Mills, Seyon Sivarajah e Ross Duncan, “Volumetric Benchmarking of Error Mitigation with Qermit”, Quântico 7, 1059 (2023).

[35] Minh C. Tran, Kunal Sharma e Kristan Temme, “Localidade e mitigação de erros de circuitos quânticos”, arXiv: 2303.06496, (2023).

[36] Muhammad Kashif e Saif Al-Kuwari, “O impacto da globalidade e localidade da função de custo em redes neurais quânticas híbridas em dispositivos NISQ”, Aprendizado de Máquina: Ciência e Tecnologia 4 1, 015004 (2023).

[37] Piotr Czarnik, Michael McKerns, Andrew T. Sornborger e Lukasz Cincio, “Melhorando a eficiência da mitigação de erros baseada em aprendizado”, arXiv: 2204.07109, (2022).

[38] Daniel Bultrini, Samson Wang, Piotr Czarnik, Max Hunter Gordon, M. Cerezo, Patrick J. Coles e Lukasz Cincio, “A batalha de qubits limpos e sujos na era da correção parcial de erros”, arXiv: 2205.13454, (2022).

[39] Muhammad Kashif e Saif Al-kuwari, “ResQNets: Uma abordagem residual para mitigar platôs estéreis em redes neurais quânticas”, arXiv: 2305.03527, (2023).

[40] NM Guseynov, A. A. Zhukov, W. V. Pogosov e AV Lebedev, “Análise profunda de algoritmos quânticos variacionais para a equação do calor”, Revisão Física A 107 5, 052422 (2023).

[41] Olivia Di Matteo e RM Woloshyn, “Susceptibilidade de fidelidade de computação quântica usando diferenciação automática”, Revisão Física A 106 5, 052429 (2022).

[42] Matteo Robbiati, Alejandro Sopena, Andrea Papaluca e Stefano Carrazza, “Mitigação de erros em tempo real para otimização variacional em hardware quântico”, arXiv: 2311.05680, (2023).

[43] Piotr Czarnik, Michael McKerns, Andrew T. Sornborger e Lukasz Cincio, “Projeto robusto sob incerteza na mitigação de erros quânticos”, arXiv: 2307.05302, (2023).

[44] Nico Meyer, Daniel D. Scherer, Axel Plinge, Christopher Mutschler e Michael J. Hartmann, “Gradientes de Política Natural Quântica: Rumo à Aprendizagem de Reforço Eficiente em Amostra”, arXiv: 2304.13571, (2023).

[45] Enrico Fontana, Ivan Rungger, Ross Duncan e Cristina Cîrstoiu, “Análise espectral para diagnóstico de ruído e mitigação de erro digital baseada em filtro”, arXiv: 2206.08811, (2022).

[46] Wei-Bin Ewe, Dax Enshan Koh, Siong Thye Goh, Hong-Son Chu e Ching Eng Png, “Simulação Variacional Baseada em Quântica de Modos de Guia de Ondas”, Transações IEEE em Técnicas de Teoria de Microondas 70 5, 2517 (2022).

[47] Zichang He, Bo Peng, Yuri Alexeev e Zheng Zhang, “Algoritmos quânticos variacionais distributivamente robustos com ruído deslocado”, arXiv: 2308.14935, (2023).

[48] ​​Siddharth Dangwal, Gokul Subramanian Ravi, Poulami Das, Kaitlin N. Smith, Jonathan M. Baker e Frederic T. Chong, “VarSaw: Mitigação de erros de medição sob medida para aplicação para algoritmos quânticos variacionais”, arXiv: 2306.06027, (2023).

[49] Jessie M. Henderson, Marianna Podzorova, M. Cerezo, John K. Golden, Leonard Gleyzer, Hari S. Viswanathan e Daniel O'Malley, “Algoritmos Quânticos para Redes de Fratura Geológica”, arXiv: 2210.11685, (2022).

[50] André Melo, Nathan Earnest-Noble e Francesco Tacchino, “Aprendizado de máquina quântica com eficiência de pulso”, Quântico 7, 1130 (2023).

[51] Christoph Hirche, Cambyse Rouzé e Daniel Stilck França, “Sobre coeficientes de contração, ordens parciais e aproximação de capacidades para canais quânticos”, Quântico 6, 862 (2022).

[52] Jessie M. Henderson, Marianna Podzorova, M. Cerezo, John K. Golden, Leonard Gleyzer, Hari S. Viswanathan e Daniel O'Malley, “Algoritmos quânticos para redes de fratura geológica”, Relatórios científicos 13, 2906 (2023).

[53] Marco Schumann, Frank K. Wilhelm e Alessandro Ciani, “Emergência de platôs estéreis induzidos por ruído em modelos de ruído em camadas arbitrárias”, arXiv: 2310.08405, (2023).

[54] Sharu Theresa Jose e Osvaldo Simeone, “Otimização auxiliada por mitigação de erros de circuitos quânticos parametrizados: análise de convergência”, arXiv: 2209.11514, (2022).

[55] P. Singkanipa e DA Lidar, “Além do ruído unitário em algoritmos quânticos variacionais: platôs estéreis induzidos por ruído e pontos fixos”, arXiv: 2402.08721, (2024).

[56] Kevin Lively, Tim Bode, Jochen Szangolies, Jian-Xin Zhu e Benedikt Fauseweh, “Assinaturas experimentais robustas de transições de fase no Eigensolver quântico variacional”, arXiv: 2402.18953, (2024).

[57] Yunfei Wang e Junyu Liu, “Aprendizado de máquina quântica: do NISQ à tolerância a falhas”, arXiv: 2401.11351, (2024).

[58] Kosuke Ito e Keisuke Fujii, “SantaQlaus: Um método com eficiência de recursos para aproveitar o ruído quântico para otimização de algoritmos quânticos variacionais”, arXiv: 2312.15791, (2023).

As citações acima são de SAO / NASA ADS (última atualização com êxito 2024-03-15 03:40:55). A lista pode estar incompleta, pois nem todos os editores fornecem dados de citação adequados e completos.

On Serviço citado por Crossref nenhum dado sobre a citação de trabalhos foi encontrado (última tentativa 2024-03-15 03:40:53).

Este artigo é publicado na Quantum sob o Atribuição 4.0 do Creative Commons Internacional (CC BY 4.0) licença. Os direitos autorais permanecem com os detentores originais, como os autores ou suas instituições.

Carimbo de hora:

Mais de Diário Quântico