Solucionador Linear Quântico Variacional

Solucionador Linear Quântico Variacional

Carimbo de data / hora: 22 de novembro de 2023 5h59

Carlos Bravo Prieto1,2,3, Ryan LaRose4, M. Cerezo1,5, Yigit Subasi6, Lucasz Cincio1e Patrick J. Coles1

1Theoretical Division, Los Alamos National Laboratory, Los Alamos, NM 87545, EUA.
2Centro de Supercomputação de Barcelona, ​​Barcelona, ​​Espanha.
3Instituto de Ciências do Cosmos, Universitat de Barcelona, ​​Barcelona, ​​Espanha.
4Departamento de Matemática Computacional, Ciências e Engenharia e Departamento de Física e Astronomia, Michigan State University, East Lansing, MI 48823, EUA.
5Centro de Estudos Não Lineares, Laboratório Nacional de Los Alamos, Los Alamos, NM, EUA
6Divisão de Computação, Ciências Computacionais e Estatísticas, 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 propostos anteriormente para resolver sistemas lineares de equações não podem ser implementados no curto prazo devido à profundidade necessária do circuito. Aqui, propomos um algoritmo híbrido quântico-clássico, chamado Variational Quantum Linear Solver (VQLS), para resolver sistemas lineares em computadores quânticos de curto prazo. VQLS busca preparar variacionalmente $|xrangle$ de modo que $A|xranglepropto|brangle$. Derivamos uma condição de terminação operacionalmente significativa para VQLS que permite garantir que a precisão da solução desejada $epsilon$ seja alcançada. Especificamente, provamos que $C geqslant epsilon^2 / kappa^2$, onde $C$ é a função de custo VQLS e $kappa$ é o número de condição de $A$. Apresentamos circuitos quânticos eficientes para estimar $C$, ao mesmo tempo que fornecemos evidências da dureza clássica de sua estimativa. Usando o computador quântico de Rigetti, implementamos com sucesso VQLS até um tamanho de problema de $ 1024 vezes 1024 $. Finalmente, resolvemos numericamente problemas não triviais de tamanho até $2^{50}vezes2^{50}$. Para os exemplos específicos que consideramos, descobrimos heuristicamente que a complexidade de tempo do VQLS é dimensionada eficientemente em $épsilon$, $kappa$ e no tamanho do sistema $N$.

Solucionador Linear Quântico Variacional PlatoBlockchain Data Intelligence. Pesquisa vertical. Ai.

Imagem em destaque: Diagrama esquemático para o algoritmo Variational Quantum Linear Solver (VQLS). A entrada para VQLS é uma matriz $A$ escrita como uma combinação linear de unitários $A_l$ e um circuito quântico de curta profundidade $U$ que prepara o estado $|brangle$. A saída do VQLS é um estado quântico $|xrangle$ que é aproximadamente proporcional à solução do sistema linear $A vec{x} = vec{b}$. Os parâmetros $vec{alpha}$ no ansatz $V(vec{alpha})$ são ajustados em um loop híbrido de otimização quântica-clássica até que o custo $C(vec{alpha})$ (local ou global) esteja abaixo de um usuário -limite especificado. Quando este loop termina, a sequência de portas resultante $V(vec{alpha}_text{opt})$ prepara o estado $|xrangle = vec{x} / ||vec{x}||_2$, a partir do qual quantidades observáveis ​​podem ser computado. Além disso, o valor final do custo $C(vec{alpha}_text{opt})$ fornece um limite superior para o desvio dos observáveis ​​medidos em $|xrangle$ dos observáveis ​​medidos na solução exata.

► dados BibTeX

► Referências

[1] E. Alpaydin, Introdução ao aprendizado de máquina, 4ª ed. (Imprensa do MIT, 2020).
https:/​/​mitpress.mit.edu/​9780262043793/​introduction-to-machine-learning/​

[2] CM Bishop, Reconhecimento de Padrões e Aprendizado de Máquina (Springer, 2006).
https: // link.springer.com/ book / 9780387310732

[3] LC Evans, Equações diferenciais parciais (American Mathematical Society, 2010).
https://bookstore.ams.org/​gsm-19-r

[4] O. Bretscher, Álgebra Linear com Aplicações, 5ª ed. (Pearson, 2013).
https://www.pearson.de/​álgebra linear com aplicações-pearson-new-international-edition-pdf-ebook-9781292035345

[5] D. A. Spielman e N. Srivastava, “Gráfico esparsificação por resistências efetivas”, SIAM J. Comput. 40, 1913–1926 (2011).
https: / / doi.org/ 10.1137 / 080734029

[6] A. W. Harrow, A. Hassidim e S. Lloyd, “Algoritmo quântico para sistemas lineares de equações”, Phys. Rev. 103, 150502 (2009).
https: / / doi.org/ 10.1103 / PhysRevLett.103.150502

[7] A. Ambainis, “Amplificação de amplitude de tempo variável e um algoritmo quântico mais rápido para resolver sistemas de equações lineares”, arXiv:1010.4458 [quant-ph].
arXiv: 1010.4458

[8] Y. Subaşı, RD Somma e D. Orsucci, “Algoritmos quânticos para sistemas de equações lineares inspirados na computação quântica adiabática”, Phys. Rev. 122, 060504 (2019).
https: / / doi.org/ 10.1103 / PhysRevLett.122.060504

[9] A. Childs, R. Kothari e R. Somma, “Algoritmo quântico para sistemas de equações lineares com dependência de precisão exponencialmente melhorada”, SIAM J. Computing 46, 1920–1950 (2017).
https: / / doi.org/ 10.1137 / 16M1087072

[10] S. Chakraborty, A. Gilyén e S. Jeffery, “O poder dos poderes de matriz codificados em bloco: técnicas de regressão aprimoradas por meio de simulação hamiltoniana mais rápida”, no 46º Colóquio Internacional sobre Autômatos, Linguagens e Programação (Schloss Dagstuhl-Leibniz-Zentrum fuer Informatik, 2019) pp.
https: / / doi.org/ 10.4230 / LIPIcs.ICALP.2019.33

[11] L. Wossnig, Z. Zhao e A. Prakash, “Algoritmo de sistema linear quântico para matrizes densas”, Phys. Rev. 120, 050502 (2018).
https: / / doi.org/ 10.1103 / PhysRevLett.120.050502

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

[13] Y. Zheng, C. Song, M.-C. Chen, B. Xia, W. Liu, et al., “Resolvendo sistemas de equações lineares com um processador quântico supercondutor”, Phys. Rev. 118, 210504 (2017).
https: / / doi.org/ 10.1103 / PhysRevLett.118.210504

[14] Y. Lee, J. Joo e S. Lee, “Algoritmo de equação linear quântica híbrida e seu teste experimental na experiência quântica da IBM”, Scientific Reports 9, 4778 (2019).
https:/​/​doi.org/​10.1038/​s41598-019-41324-9

[15] J. Pan, Y. Cao, X. Yao, Z. Li, C. Ju, et al., “Realização experimental de algoritmo quântico para resolver sistemas lineares de equações”, Phys. Rev. A 89, 022313 (2014).
https: / / doi.org/ 10.1103 / PhysRevA.89.022313

[16] X.-D. Cai, C. Weedbrook, Z.-E. Su, M.-C. Chen, Mile Gu, et al., “Computação quântica experimental para resolver sistemas de equações lineares”, Phys. Rev. 110, 230501 (2013).
https: / / doi.org/ 10.1103 / PhysRevLett.110.230501

[17] S. Barz, I. Kassal, M. Ringbauer, Y. O. Lipp, B. Dakić, et al., “Um processador quântico fotônico de dois qubits e sua aplicação para resolver sistemas de equações lineares”, Scientific Reports 4, 6115 (2014) .
https: / / doi.org/ 10.1038 / srep06115

[18] J. Wen, X. Kong, S. Wei, B. Wang, T. Xin e G. Long, “Realização experimental de algoritmos quânticos para um sistema linear inspirado na computação quântica adiabática”, Phys. Rev. A 99, 012320 (2019).
https: / / doi.org/ 10.1103 / PhysRevA.99.012320

[19] E. Anschuetz, J. Olson, A. Aspuru-Guzik e Y. Cao, “Fatoração quântica variacional”, em Workshop Internacional sobre Tecnologia Quântica e Problemas de Otimização (Springer, 2019) pp.
https:/​/​doi.org/​10.1007/​978-3-030-14082-3_7

[20] A. Peruzzo, J. McClean, P. Shadbolt, M.-H. Yung, X.-Q. Zhou, P. J. Love, A. Aspuru-Guzik e J. L. O'Brien, “Um solucionador de autovalor variacional em um processador quântico fotônico”, Nature Communications 5, 4213 (2014).
https: / / doi.org/ 10.1038 / ncomms5213

[21] Y. Cao, J. Romero, JP Olson, M. Degroote, PD Johnson, et al., “Química quântica na era da computação quântica”, Chemical Reviews 119, 10856–10915 (2019).
https: / / doi.org/ 10.1021 / acs.chemrev.8b00803

[22] O. Higgott, D. Wang e S. Brierley, “Computação Quântica Variacional de Estados Excitados”, Quantum 3, 156 (2019).
https:/​/​doi.org/​10.22331/​q-2019-07-01-156

[23] T. Jones, S. Endo, S. McArdle, X. Yuan e SC Benjamin, “Algoritmos quânticos variacionais para descobrir espectros hamiltonianos”, Phys. Rev. A 99, 062304 (2019).
https: / / doi.org/ 10.1103 / PhysRevA.99.062304

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

[25] C. Kokail, C. Maier, R. van Bijnen, T. Brydges, MK Joshi, P. Jurcevic, CA Muschik, P. Silvi, R. Blatt, CF Roos e P. Zoller, “Simulação quântica variacional autoverificável de modelos de rede”, Nature 569, 355–360 (2019).
https:/​/​doi.org/​10.1038/​s41586-019-1177-4

[26] K. Heya, KM Nakanishi, K. Mitarai e K. Fujii, “Simulador quântico variacional de subespaço”, Phys. Rev. Pesquisa 5, 023078 (2023).
https: / / doi.org/ 10.1103 / PhysRevResearch.5.023078

[27] 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 Quantum Information 6, 82 (2020).
https:/​/​doi.org/​10.1038/​s41534-020-00302-0

[28] 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

[29] J. Romero, JP Olson e A. Aspuru-Guzik, “Autoencoders quânticos para compressão eficiente de dados quânticos”, Quantum Science and Technology 2, 045001 (2017).
https: / / doi.org/ 10.1088 / 2058-9565 / aa8072

[30] R. LaRose, A. Tikku, É. O'Neel-Judy, L. Cincio e P. J. Coles, “Diagonalização do estado quântico variacional”, npj Quantum Information 5, 57 (2018).
https:/​/​doi.org/​10.1038/​s41534-019-0167-6

[31] C. Bravo-Prieto, D. García-Martín e JI Latorre, “Decompositor Quântico de Valor Singular”, Phys. Rev.A 101, 062310 (2020).
https: / / doi.org/ 10.1103 / PhysRevA.101.062310

[32] M. Cerezo, Kunal Sharma, Andrew Arrasmith e Patrick J Coles, “Eigensolver de estado quântico variacional”, npj Quantum Information 8, 113 (2022).
https:/​/​doi.org/​10.1038/​s41534-022-00611-6

[33] S. Khatri, R. LaRose, A. Poremba, L. Cincio, AT Sornborger e PJ Coles, “Compilação quântica assistida por quântica”, Quantum 3, 140 (2019).
https:/​/​doi.org/​10.22331/​q-2019-05-13-140

[34] T. Jones e S. C Benjamin, “Compilação quântica robusta e otimização de circuitos via minimização de energia”, Quantum 6, 628 (2022).
https:/​/​doi.org/​10.22331/​q-2022-01-24-628

[35] A. Arrasmith, L. Cincio, A. T. Sornborger, W. H. Zurek e P. J. Coles, “Histórias variacionais consistentes como um algoritmo híbrido para fundações quânticas”, Nature Communications 10, 3438 (2019).
https:/​/​doi.org/​10.1038/​s41467-019-11417-0

[36] Marco Cerezo, Alexander Poremba, Lukasz Cincio e Patrick J Coles, “Estimativa de fidelidade quântica variacional”, Quantum 4, 248 (2020b).
https:/​/​doi.org/​10.22331/​q-2020-03-26-248

[37] Bálint Koczor, Suguru Endo, Tyson Jones, Yuichiro Matsuzaki e Simon C Benjamin, “Metrologia quântica de estado variacional”, New Journal of Physics 22, 083038 (2020b).
https: / / doi.org/ 10.1088 / 1367-2630 / ab965e

[38] 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, 1791 (2020b).
https: / / doi.org/ 10.1038 / s41467-021-21728-w

[39] MA Nielsen e IL Chuang, Computação Quântica e Informação Quântica: Edição do 10º Aniversário, 10ª ed. (Cambridge University Press, Nova York, NY, EUA, 2011).
https: / / doi.org/ 10.1017 / CBO9780511976667

[40] E. Knill e R. Laflamme, “Poder de um bit de informação quântica”, Phys. Rev. 81, 5672–5675 (1998).
https: / / doi.org/ 10.1103 / PhysRevLett.81.5672

[41] K. Fujii, H. Kobayashi, T. Morimae, H. Nishimura, S. Tamate e S. Tani, “Impossibilidade de Simular Classicamente o Modelo One-Clean-Qubit com Erro Multiplicativo”, Phys. Rev. 120, 200502 (2018).
https: / / doi.org/ 10.1103 / PhysRevLett.120.200502

[42] T. Morimae, “Dureza da amostragem clássica do modelo de um qubit limpo com erro de distância de variação total constante”, Phys. Rev. A 96, 040302 (2017).
https: / / doi.org/ 10.1103 / PhysRevA.96.040302

[43] A. Kandala, A. Mezzacapo, K. Temme, M. Takita, M. Brink, J. M. Chow e J. M. Gambetta, “Resolvedor quântico variacional com eficiência de hardware para pequenas moléculas e ímãs quânticos”, Nature 549, 242 (2017).
https: / / doi.org/ 10.1038 / nature23879

[44] Jarrod R McClean, Sergio Boixo, Vadim N Smelyanskiy, Ryan Babbush e Hartmut Neven, “Planaltos estéreis em paisagens de treinamento de redes neurais quânticas”, Nature Communications 9, 4812 (2018).
https:/​/​doi.org/​10.1038/​s41467-018-07090-4

[45] Edward Grant, Leonard Wossnig, Mateusz Ostaszewski e Marcello Benedetti, “Uma estratégia de inicialização para abordar platôs estéreis em circuitos quânticos parametrizados”, Quantum 3, 214 (2019).
https:/​/​doi.org/​10.22331/​q-2019-12-09-214

[46] Tyler Volkoff e Patrick J Coles, “Grandes gradientes via correlação em circuitos quânticos parametrizados aleatórios”, Quantum Sci. Tecnologia. 6, 025008 (2021).
https: / / doi.org/ 10.1088 / 2058-9565 / abd891

[47] L. Cincio, Y. Subaşı, A. T. Sornborger e P. J. Coles, “Aprendendo o algoritmo quântico para sobreposição de estados”, New Journal of Physics 20, 113022 (2018).
https: / / doi.org/ 10.1088 / 1367-2630 / aae94a

[48] E. Farhi, J. Goldstone e S. Gutmann, “Um algoritmo de otimização quântica aproximada”, arXiv:1411.4028 [quant-ph].
arXiv: 1411.4028

[49] S. Hadfield, Z. Wang, B. O'Gorman, E. G. Rieffel, D. Venturelli e R. Biswas, “Do algoritmo de otimização quântica aproximada a um operador quântico alternado ansatz”, Algoritmos 12, 34 (2019).
https: / / doi.org/ 10.3390 / a12020034

[50] S. Lloyd, “A otimização aproximada quântica é computacionalmente universal”, arXiv:1812.11075 [quant-ph].
arXiv: 1812.11075

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

[52] L. Zhou, S.-T. Wang, S. Choi, H. Pichler e M. D. Lukin, “Algoritmo de otimização aproximada quântica: desempenho, mecanismo e implementação em dispositivos de curto prazo”, Phys. Rev. X 10, 021067 (2020).
https: / / doi.org/ 10.1103 / PhysRevX.10.021067

[53] G. E. Crooks, “Desempenho do algoritmo de otimização aproximada quântica no problema de corte máximo”, pré-impressão arXiv arXiv:1811.08419 (2018).
arXiv: 1811.08419

[54] JM Kübler, A. Arrasmith, L. Cincio e PJ Coles, “Um otimizador adaptativo para algoritmos variacionais de medição frugais”, Quantum 4, 263 (2020).
https:/​/​doi.org/​10.22331/​q-2020-05-11-263

[55] Andrew Arrasmith, Lukasz Cincio, Rolando D Somma e Patrick J Coles, “Amostragem de operador para otimização frugal em algoritmos variacionais”, pré-impressão arXiv arXiv:2004.06252 (2020).
arXiv: 2004.06252

[56] Ryan Sweke, Frederik Wilde, Johannes Meyer, Maria Schuld, Paul K Fährmann, Barthélémy Meynard-Piganeau e Jens Eisert, “Descida gradiente estocástica para otimização clássica quântica híbrida”, Quantum 4, 314 (2020).
https:/​/​doi.org/​10.22331/​q-2020-08-31-314

[57] K. Mitarai, M. Negoro, M. Kitagawa e K. Fujii, "Aprendizado de circuito quântico", Phys. Rev. A 98, 032309 (2018).
https: / / doi.org/ 10.1103 / PhysRevA.98.032309

[58] M. Schuld, V. Bergholm, C. Gogolin, J. Izaac e N. Killoran, “Avaliando gradientes analíticos em hardware quântico”, Phys. Rev. A 99, 032331 (2019).
https: / / doi.org/ 10.1103 / PhysRevA.99.032331

[59] A. Harrow e J. Napp, “Medições de gradiente de baixa profundidade podem melhorar a convergência em algoritmos quânticos clássicos variacionais híbridos”, Phys. Rev. 126, 140502 (2021).
https: / / doi.org/ 10.1103 / PhysRevLett.126.140502

[60] Kunal Sharma, Sumeet Khatri, Marco Cerezo e Patrick Coles, “Resiliência de ruído da compilação quântica variacional”, New Journal of Physics 22, 043006 (2020).
https: / / doi.org/ 10.1088 / 1367-2630 / ab784c

[61] K. Temme, S. Bravyi e JM Gambetta, “Mitigação de erros para circuitos quânticos de curta profundidade”, Phys. Rev. 119, 180509 (2017).
https: / / doi.org/ 10.1103 / PhysRevLett.119.180509

[62] Y. He e H. Guo, “Os efeitos de limite do modelo de formação de campo transversal”, Journal of Statistical Mechanics: Theory and Experiment 2017, 093101 (2017).
https:/​/​doi.org/​10.1088/​1742-5468/​aa85b0

[63] DW Berry, G. Ahokas, R. Cleve e BC Sanders, “Algoritmos quânticos eficientes para simular hamiltonianos esparsos”, Communications in Mathematical Physics 270, 359–371 (2007).
https: / / doi.org/ 10.1007 / s00220-006-0150-x

[64] Y. Atia e D. Aharonov, “Avanço rápido de hamiltonianos e medições exponencialmente precisas”, Nature Communications 8, 1572 (2017).
https:/​/​doi.org/​10.1038/​s41467-017-01637-7

[65] X. Xu, J. Sun, S. Endo, Y. Li, SC Benjamin e X. Yuan, “Algoritmos variacionais para álgebra linear”, Science Bulletin 66, 2181–2188 (2021).
https: / / doi.org/ 10.1016 / j.scib.2021.06.023

[66] H.-Y. Huang, K. Bharti e P. Rebentrost, “Algoritmos quânticos de curto prazo para sistemas lineares de equações com funções de perda de regressão”, New Journal of Physics 23, 113021 (2021).
https://​/​doi.org/​10.1088/​1367-2630/​ac325f

[67] A. Asfaw, L. Bello, Y. Ben-Haim, S. Bravyi, L. Capelluto, et al., “Aprenda computação quântica usando qiskit.” (2019).
http://​/​community.qiskit.org/​textbook

[68] A. Mari, “Solucionador linear quântico variacional”. (2019).
https:/​/​pennylane.ai/​qml/​app/​tutorial_vqls.html

[69] M. Szegedy, “Aceleração quântica de algoritmos baseados em cadeia de markov”, em Anais do 45º Simpósio Anual IEEE sobre FOCS. (IEEE, 2004) pp.
https: / / doi.org/ 10.1109 / FOCS.2004.53

[70] D. W. Berry, A. M. Childs e R. Kothari, “Simulação hamiltoniana com dependência quase ótima de todos os parâmetros”, em Anais do 56º Simpósio sobre Fundamentos da Ciência da Computação (2015).
https: / / doi.org/ 10.1109 / FOCS.2015.54

[71] J. C. Garcia-Escartin e P. Chamorro-Posada, “O teste de troca e o efeito Hong-Ou-Mandel são equivalentes”, Phys. Rev.A 87, 052330 (2013).
https: / / doi.org/ 10.1103 / PhysRevA.87.052330

[72] MJD Powell, “Um algoritmo rápido para cálculos de otimização não linearmente restritos”, em Análise numérica (Springer, 1978) pp.
https: / / doi.org/ 10.1007 / BFb0067703

Citado por

[1] J. Abhijith, 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 algoritmo quântico para iniciantes”, arXiv: 1804.03719, (2018).

[2] Jules Tilly, Hongxiang Chen, Shuxiang Cao, Dario Picozzi, Kanav Setia, Ying Li, Edward Grant, Leonard Wossnig, Ivan Rungger, George H. Booth e Jonathan Tennyson, “The Variational Quantum Eigensolver: A review of methods and Melhores Práticas", Relatórios de Física 986, 1 (2022).

[3] Kishor Bharti, Alba Cervera-Lierta, Thi Ha Kyaw, Tobias Haug, Sumner Alperin-Lea, Abhinav Anand, Matthias Degroote, Hermanni Heimonen, Jakob S. Kottmann, Tim Menke, Wai-Keong Mok, Sukin Sim, Leong- Chuan Kwek e Alán Aspuru-Guzik, “Algoritmos quânticos de escala intermediária barulhentos”, Comentários de Modern Physics 94 1, 015004 (2022).

[4] Andrew Arrasmith, M. Cerezo, Piotr Czarnik, Lukasz Cincio e Patrick J. Coles, “Efeito de planaltos estéreis na otimização livre de gradiente”, Quântico 5, 558 (2021).

[5] M. Cerezo, Akira Sone, Tyler Volkoff, Lukasz Cincio e Patrick J. Coles, "Planaltos estéreis dependentes da função de custo em circuitos quânticos parametrizados rasos", Comunicações da Natureza 12, 1791 (2021).

[6] Samson Wang, Enrico Fontana, M. Cerezo, Kunal Sharma, Akira Sone, Lukasz Cincio e Patrick J. Coles, “Platões estéreis induzidos por ruído em algoritmos quânticos variacionais”, Comunicações da Natureza 12, 6961 (2021).

[7] 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, "Variational Quantum Algorithms", arXiv: 2012.09265, (2020).

[8] Suguru Endo, Zhenyu Cai, Simon C. Benjamin e Xiao Yuan, "Hybrid Quantum-Classical Algorithms and Quantum Error Mitigation", Jornal da Sociedade Física do Japão 90 3, 032001 (2021).

[9] Xiaosi Xu, Jinzhao Sun, Suguru Endo, Ying Li, Simon C. Benjamin e Xiao Yuan, “Algoritmos variacionais para álgebra linear”, Boletim Científico 66 21, 2181 (2021).

[10] Zoë Holmes, Kunal Sharma, M. Cerezo e Patrick J. Coles, “Conectando Expressibilidade de Ansatz a Magnitudes de Gradiente e Planaltos Estéreis”, PRX Quantum 3 1, 010313 (2022).

[11] Dylan Herman, Cody Googin, Xiaoyuan Liu, Alexey Galda, Ilya Safro, Yue Sun, Marco Pistoia e Yuri Alexeev, “A Survey of Quantum Computing for Finance”, arXiv: 2201.02773, (2022).

[12] Kunal Sharma, Sumeet Khatri, M. Cerezo e Patrick J. Coles, “Resiliência de ruído da compilação quântica variacional”, Novo Jornal de Física 22 4, 043006 (2020).

[13] Daniel Stilck França e Raul García-Patrón, “Limitações de algoritmos de otimização em dispositivos quânticos ruidosos”, Natureza Física 17 11, 1221 (2021).

[14] Arthur Pesah, M. Cerezo, Samson Wang, Tyler Volkoff, Andrew T. Sornborger e Patrick J. Coles, “Ausência de planaltos estéreis em redes neurais convolucionais quânticas”, Revisão física X 11 4, 041011 (2021).

[15] Suguru Endo, Jinzhao Sun, Ying Li, Simon C. Benjamin e Xiao Yuan, “Simulação Quântica Variacional de Processos Gerais”, Cartas de Revisão Física 125 1, 010501 (2020).

[16] Oleksandr Kyriienko, Annie E. Paine e Vincent E. Elfving, "Resolvendo equações diferenciais não lineares com circuitos quânticos diferenciáveis", Revisão Física A 103 5, 052416 (2021).

[17] Ryan LaRose e Brian Coyle, "Robust data encodings for quantum classifiers", Revisão Física A 102 3, 032420 (2020).

[18] M. Cerezo, Kunal Sharma, Andrew Arrasmith e Patrick J. Coles, “Variational Quantum State Eigensolver”, arXiv: 2004.01372, (2020).

[19] Kunal Sharma, M. Cerezo, Lukasz Cincio e Patrick J. Coles, "Trainability of Dissipative Perceptron-Based Quantum Neural Networks", Cartas de Revisão Física 128 18, 180505 (2022).

[20] Hsin-Yuan Huang, Kishor Bharti e Patrick Rebentrost, "Near-term quantum algoritms for linear systems of equations", arXiv: 1909.07344, (2019).

[21] Tyler Volkoff e Patrick J. Coles, "Grandes gradientes via correlação em circuitos quânticos parametrizados aleatoriamente", Ciência e Tecnologia Quântica 6 2, 025008 (2021).

[22] Bojia Duan, Jiabin Yuan, Chao-Hua Yu, Jianbang Huang e Chang-Yu Hsieh, “Uma pesquisa sobre o algoritmo HHL: da teoria à aplicação no aprendizado de máquina quântica”, Letras Físicas A 384, 126595 (2020).

[23] M. Cerezo e Patrick J. Coles, "Derivados de ordem superior de redes neurais quânticas com planaltos estéreis", Ciência e Tecnologia Quântica 6 3, 035006 (2021).

[24] Samson Wang, Piotr Czarnik, Andrew Arrasmith, M. Cerezo, Lukasz Cincio e Patrick J. Coles, "Can Error Mitigation Melhorar Trainability of Noisy Variational Quantum Algorithms?", arXiv: 2109.01051, (2021).

[25] Andrew Arrasmith, Lukasz Cincio, Rolando D. Somma e Patrick J. Coles, "Operator Sampling for Shot-frugal Optimization in Variational Algorithms", arXiv: 2004.06252, (2020).

[26] Benjamin Commeau, M. Cerezo, Zoë Holmes, Lukasz Cincio, Patrick J. Coles e Andrew Sornborger, “Diagonalização Hamiltoniana Variacional para Simulação Quântica Dinâmica”, arXiv: 2009.02559, (2020).

[27] M. Bilkis, M. Cerezo, Guillaume Verdon, Patrick J. Coles e Lukasz Cincio, "A semi-agnostic ansatz with variable structure for quantum machine learning", arXiv: 2103.06712, (2021).

[28] Jonas M. Kübler, Andrew Arrasmith, Lukasz Cincio e Patrick J. Coles, "An Adaptive Optimizer for Measurement-Frugal Variational Algorithms", Quântico 4, 263 (2020).

[29] Zoë Holmes, Andrew Arrasmith, Bin Yan, Patrick J. Coles, Andreas Albrecht e Andrew T. Sornborger, "Barren Plateaus Preclude Learning Scramblers", Cartas de Revisão Física 126 19, 190501 (2021).

[30] Martin Larocca, Piotr Czarnik, Kunal Sharma, Gopikrishnan Muraleedharan, Patrick J. Coles e M. Cerezo, “Diagnosticando Planaltos Estéreis com Ferramentas do Controle Quantum Ideal”, Quântico 6, 824 (2022).

[31] AK Fedorov, N. Gisin, SM Beloussov e AI Lvovsky, “Computação quântica no limite da vantagem quântica: uma revisão de negócios”, arXiv: 2203.17181, (2022).

[32] Chenfeng Cao e Xin Wang, "Noise-Assisted Quantum Autoencoder", Revisão física aplicada 15 5, 054012 (2021).

[33] Jonathan Wei Zhong Lau, Kian Hwee Lim, Harshank Shrotriya e Leong Chuan Kwek, “Computação NISQ: onde estamos e para onde vamos?”, Boletim 32 1, 27 (2022) da Associação das Sociedades Físicas da Ásia-Pacífico.

[34] Peter J. Karalekas, Nikolas A. Tezak, Eric C. Peterson, Colm A. Ryan, Marcus P. da Silva e Robert S. Smith, “Uma plataforma de nuvem quântica clássica otimizada para algoritmos híbridos variacionais”, Ciência e Tecnologia Quântica 5 2, 024003 (2020).

[35] Carlos Bravo-Prieto, Diego García-Martín e José I. Latorre, “Decompositor quântico de valor singular”, Revisão Física A 101 6, 062310 (2020).

[36] Jacob Biamonte, “Computação quântica variacional universal”, Revisão Física A 103 3, L030401 (2021).

[37] Yu Tong, Dong An, Nathan Wiebe e Lin Lin, “Inversão rápida, solucionadores de sistemas lineares quânticos pré-condicionados, computação rápida da função de Green e avaliação rápida de funções de matriz”, Revisão Física A 104 3, 032422 (2021).

[38] Juneseo Lee, Alicia B. Magann, Herschel A. Rabitz e Christian Arenz, “Progresso em direção a paisagens favoráveis ​​na otimização combinatória quântica”, Revisão Física A 104 3, 032401 (2021).

[39] Kunal Sharma, M. Cerezo, Zoë Holmes, Lukasz Cincio, Andrew Sornborger e Patrick J. Coles, “Reformulação do Teorema Sem Almoço Gratuito para Conjuntos de Dados Emaranhados”, Cartas de Revisão Física 128 7, 070501 (2022).

[40] Ting Zhang, Jinzhao Sun, Xiao-Xu Fang, Xiao-Ming Zhang, Xiao Yuan e He Lu, “Medição Experimental de Estado Quântico com Sombras Clássicas”, Cartas de Revisão Física 127 20, 200501 (2021).

[41] Budinski Ljubomir, “Algoritmo quântico para as equações de Navier-Stokes usando a formulação de função de fluxo-vorticidade e o método de rede de Boltzmann”, Jornal Internacional de Informação Quântica 20 2, 2150039-27 (2022).

[42] Nikolay V. Tkachenko, James Sud, Yu Zhang, Sergei Tretiak, Petr M. Anisimov, Andrew T. Arrasmith, Patrick J. Coles, Lukasz Cincio e Pavel A. Dub, “Correlation-Informed Permutation of Qubits for Reducing Profundidade de Ansatz no Eigensolver Quantum Variacional ”, PRX Quantum 2 2, 020337 (2021).

[43] Alexandre Choquette, Agustín Di Paolo, Panagiotis Kl. Barkoutsos, David Sénéchal, Ivano Tavernelli e Alexandre Blais, “Ansatz inspirado no controle quântico ideal para algoritmos quânticos variacionais”, Pesquisa de Revisão Física 3 2, 023092 (2021).

[44] Lin Lin e Yu Tong, “Filtragem de estado próprio quântico baseada em polinômios ideal com aplicação para resolver sistemas lineares quânticos”, Quântico 4, 361 (2020).

[45] Aram W. Harrow e John C. Napp, “Medições de gradiente de baixa profundidade podem melhorar a convergência em algoritmos quânticos-clássicos híbridos variacionais”, Cartas de Revisão Física 126 14, 140502 (2021).

[46] 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).

[47] Yohei Ibe, Yuya O. Nakagawa, Nathan Earnest, Takahiro Yamamoto, Kosuke Mitarai, Qi Gao e Takao Kobayashi, "Calculando amplitudes de transição por deflação quântica variacional", arXiv: 2002.11724, (2020).

[48] ​​Fong Yew Leong, Wei-Bin Ewe e Dax Enshan Koh, “Solucionador de equações de evolução quântica variacional”, arXiv: 2204.02912, (2022).

[49] 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).

[50] Carlos Bravo-Prieto, Josep Lumbreras-Zarapico, Luca Tagliacozzo e José I. Latorre, “Escalonamento da profundidade do circuito quântico variacional para sistemas de matéria condensada”, Quântico 4, 272 (2020).

[51] Sergi Ramos-Calderer, Adrián Pérez-Salinas, Diego García-Martín, Carlos Bravo-Prieto, Jorge Cortada, Jordi Planagumà e José I. Latorre, “Quantum unary approach to options pricing”, Revisão Física A 103 3, 032414 (2021).

[52] Pei Zeng, Jinzhao Sun e Xiao Yuan, “Resfriamento algorítmico quântico universal em um computador quântico”, arXiv: 2109.15304, (2021).

[53] Aidan Pellow-Jarman, Ilya Sinayskiy, Anban Pillay e Francesco Petruccione, “Uma comparação de vários otimizadores clássicos para um solucionador linear quântico variacional”, Processamento de informações quânticas 20 6, 202 (2021).

[54] Youle Wang, Guangxi Li e Xin Wang, “Preparação do estado de Gibbs quântico variacional com uma série de Taylor truncada”, Revisão física aplicada 16 5, 054035 (2021).

[55] Hsin-Yuan Huang, Kishor Bharti e Patrick Rebentrost, “Algoritmos quânticos de curto prazo para sistemas lineares de equações com funções de perda de regressão”, Novo Jornal de Física 23 11, 113021 (2021).

[56] Dong An e Lin Lin, “Solucionador de sistema linear quântico baseado em computação quântica adiabática com ótimo tempo e algoritmo de otimização quântica aproximada”, arXiv: 1909.05500, (2019).

[57] Romina Yalovetzky, Pierre Minssen, Dylan Herman e Marco Pistoia, “Hybrid HHL com circuitos quânticos dinâmicos em hardware real”, arXiv: 2110.15958, (2021).

[58] Andi Gu, Angus Lowe, Pavel A. Dub, Patrick J. Coles e Andrew Arrasmith, "Adaptive shot alocation for fast convergence in variational quantum algoritms", arXiv: 2108.10434, (2021).

[59] Lorenzo Leone, Salvatore FE Oliviero, Stefano Piemontese, Sarah True e Alioscia Hamma, “Recuperando informações de um buraco negro usando aprendizado de máquina quântica”, Revisão Física A 106 6, 062434 (2022).

[60] Shi-Xin Zhang, Chang-Yu Hsieh, Shengyu Zhang e Hong Yao, “Pesquisa de arquitetura quântica baseada em preditor neural”, Aprendizado de Máquina: Ciência e Tecnologia 2 4, 045027 (2021).

[61] P. Chandarana, NN Hegade, K. Paul, F. Albarrán-Arriagada, E. Solano, A. del Campo, e Xi Chen, "Algoritmo de otimização aproximada quântica contradiabática digitalizada", Pesquisa de Revisão Física 4 1, 013141 (2022).

[62] Antonio A. Mele, Glen B. Mbeng, Giuseppe E. Santoro, Mario Collura e Pietro Torta, “Evitando platôs estéreis por meio da transferibilidade de soluções suaves em um ansatz variacional hamiltoniano”, Revisão Física A 106 6, L060401 (2022).

[63] Xin Wang, Zhixin Song e Youle Wang, “Variational Quantum Singular Value Decomposition”, Quântico 5, 483 (2021).

[64] Kosuke Mitarai e Keisuke Fujii, “Overhead para simular um canal não local com canais locais por amostragem quase probabilística”, Quântico 5, 388 (2021).

[65] Pierre-Luc Dallaire-Demers, Michał Stęchły, Jerome F. Gonthier, Ntwali Toussaint Bashige, Jonathan Romero e Yudong Cao, “Um benchmark de aplicação para simulações quânticas fermiônicas”, arXiv: 2003.01862, (2020).

[66] Adrián Pérez-Salinas, Juan Cruz-Martinez, Abdulla A. Alhajri e Stefano Carrazza, “Determinando o conteúdo de prótons com um computador quântico”, Revisão Física D 103 3, 034027 (2021).

[67] Bujiao Wu, Jinzhao Sun, Qi Huang e Xiao Yuan, “Medição de agrupamento sobreposto: uma estrutura unificada para medir estados quânticos”, arXiv: 2105.13091, (2021).

[68] Jacob L. Beckey, M. Cerezo, Akira Sone e Patrick J. Coles, "Variational Quantum Algorithm for Estimating the Quantum Fisher Information", arXiv: 2010.10488, (2020).

[69] Yuhan Huang, Qingyu Li, Xiaokai Hou, Rebing Wu, Man-Hong Yung, Abolfazl Bayat e Xiaoting Wang, “Ansatz variacional quântico robusto e eficiente em recursos através de um algoritmo evolutivo”, Revisão Física A 105 5, 052414 (2022).

[70] Jin-Min Liang, Shu-Qian Shen, Ming Li e Lei Li, “Algoritmos quânticos variacionais para redução e classificação de dimensionalidade”, Revisão Física A 101 3, 032323 (2020).

[71] Suguru Endo, Jinzhao Sun, Ying Li, Simon Benjamin e Xiao Yuan, “Simulação quântica variacional de processos gerais”, arXiv: 1812.08778, (2018).

[72] Enrico Fontana, M. Cerezo, Andrew Arrasmith, Ivan Rungger e Patrick J. Coles, “Simetrias não triviais em paisagens quânticas e sua resiliência ao ruído quântico”, arXiv: 2011.08763, (2020).

[73] Ruizhe Zhang, Guoming Wang e Peter Johnson, “Computing Ground State Properties with Early Fault-Tolerant Quantum Computers”, Quântico 6, 761 (2022).

[74] Quoc Chuong Nguyen, Le Bin Ho, Lan Nguyen Tran e Hung Q. Nguyen, “Qsun: uma plataforma de código aberto para aplicações práticas de aprendizado de máquina quântica”, Aprendizado de Máquina: Ciência e Tecnologia 3 1, 015034 (2022).

[75] Ranyiliu Chen, Zhixin Song, Xuanqiang Zhao e Xin Wang, "Variational Quantum Algorithms for Trace Distance and Fidelity Estimation", arXiv: 2012.05768, (2020).

[76] Brian Coyle, Mina Doosti, Elham Kashefi e Niraj Kumar, “Progresso em direção à criptoanálise quântica prática por clonagem quântica variacional”, Revisão Física A 105 4, 042604 (2022).

[77] Ranyiliu Chen, Zhixin Song, Xuanqiang Zhao e Xin Wang, “Algoritmos quânticos variacionais para distância de rastreamento e estimativa de fidelidade”, Ciência e Tecnologia Quântica 7 1, 015019 (2022).

[78] Austin Gilliam, Stefan Woerner e Constantin Gonciulea, "Grover Adaptive Search for Constrained Polynomial Binary Optimization", Quântico 5, 428 (2021).

[79] Xiaoxia Cai, Wei-Hai Fang, Heng Fan e Zhendong Li, “Computação quântica de propriedades de resposta molecular”, Pesquisa de Revisão Física 2 3, 033324 (2020).

[80] Yohei Ibe, Yuya O. Nakagawa, Nathan Earnest, Takahiro Yamamoto, Kosuke Mitarai, Qi Gao e Takao Kobayashi, "Calculando amplitudes de transição por deflação quântica variacional", Pesquisa de Revisão Física 4 1, 013173 (2022).

[81] M. Cerezo, Akira Sone, Jacob L. Beckey e Patrick J. Coles, “Informações subquânticas de Fisher”, Ciência e Tecnologia Quântica 6 3, 035008 (2021).

[82] S. Biedron, L. Brouwer, DL Bruhwiler, NM Cook, A. L. Edelen, D. Filippetto, C. -K. Huang, A. Huebl, T. Katsouleas, N. Kuklev, R. Lehe, S. Lund, C. Messe, W. Mori, C.-K. Ng, D. Perez, P. Piot, J. Qiang, R. Roussel, D. Sagan, A. Sahai, A. Scheinker, M. Thévenet, F. Tsung, J. -L. Vay, D. Winklehner e H. Zhang, “Documento técnico da comunidade de modelagem do acelerador Snowmass21”, arXiv: 2203.08335, (2022).

[83] Hrushikesh Patil, Yulun Wang e Predrag S. Krstić, “Solucionador linear quântico variacional com um ansatz dinâmico”, Revisão Física A 105 1, 012423 (2022).

[84] Johanna Barzen, "From Digital Humanities to Quantum Humanities: Potentials and Applications", arXiv: 2103.11825, (2021).

[85] Austin Gilliam, Stefan Woerner e Constantin Gonciulea, "Grover Adaptive Search for Constrained Polynomial Binary Optimization", arXiv: 1912.04088, (2019).

[86] Sheng-Jie Li, Jin-Min Liang, Shu-Qian Shen e Ming Li, “Algoritmos quânticos variacionais para normas de rastreamento e suas aplicações”, Comunicações em Física Teórica 73 10, 105102 (2021).

[87] Reuben Demirdjian, Daniel Gunlycke, Carolyn A. Reynolds, James D. Doyle e Sergio Tafur, “Soluções quânticas variacionais para a equação de advecção-difusão para aplicações em dinâmica de fluidos”, Processamento de informações quânticas 21 9, 322 (2022).

[88] Fong Yew Leong, Wei-Bin Ewe e Dax Enshan Koh, “Solucionador de equações de evolução quântica variacional”, Relatórios científicos 12, 10817 (2022).

[89] Carlos Bravo-Prieto, “Autoencoders quânticos com codificação de dados aprimorada”, arXiv: 2010.06599, (2020).

[90] Jacob L. Beckey, M. Cerezo, Akira Sone e Patrick J. Coles, “Algoritmo quântico variacional para estimar a informação quântica de Fisher”, Pesquisa de Revisão Física 4 1, 013083 (2022).

[91] Kaixuan Huang, Xiaoxia Cai, Hao Li, Zi-Yong Ge, Ruijuan Hou, Hekang Li, Tong Liu, Yunhao Shi, Chitong Chen, Dongning Zheng, Kai Xu, Zhi-Bo Liu, Zhendong Li, Heng Fan e Wei-Hai Fang, “Computação Quântica Variacional de Propriedades de Resposta Linear Molecular em um Processador Quântico Supercondutor”, arXiv: 2201.02426, (2022).

[92] Alicia B. Magann, Christian Arenz, Matthew D. Grace, Tak-San Ho, Robert L. Kosut, Jarrod R. McClean, Herschel A. Rabitz e Mohan Sarovar, “De pulsos a circuitos e vice-versa: A perspectiva de controle quântico ótimo em algoritmos quânticos variacionais”, arXiv: 2009.06702, (2020).

[93] Bujiao Wu, Maharshi Ray, Liming Zhao, Xiaoming Sun e Patrick Rebentrost, "Algoritmos quânticos clássicos para sistemas lineares distorcidos com um teste de Hadamard otimizado", Revisão Física A 103 4, 042422 (2021).

[94] Lukasz Cincio, Kenneth Rudinger, Mohan Sarovar e Patrick J. Coles, "Machine learning of noise-resilient quantum circuits", arXiv: 2007.01210, (2020).

[95] Michael R. Geller, Zoë Holmes, Patrick J. Coles e Andrew Sornborger, "Experimental Quantum learning of a spectrum decomposition", Pesquisa de Revisão Física 3 3, 033200 (2021).

[96] Yulong Dong e Lin Lin, “Matriz codificada em bloco de circuito aleatório e uma proposta de benchmark LINPACK quântico”, Revisão Física A 103 6, 062412 (2021).

[97] Peter B. Weichman, “Algoritmos quânticos aprimorados para detecção clássica de alvos em ambientes complexos”, Revisão Física A 103 4, 042424 (2021).

[98] Sayantan Pramanik, M Girish Chandra, CV Sridhar, Aniket Kulkarni, Prabin Sahoo, Vishwa Chethan D V, Hrishikesh Sharma, Ashutosh Paliwal, Vidyut Navelkar, Sudhakara Poojary, Pranav Shah e Manoj Nambiar, “Um método híbrido quântico-clássico para Classificação e Segmentação de Imagens”, arXiv: 2109.14431, (2021).

[99] MR Perelshtein, A. I. Pakhomchik, A. A. Melnikov, A. A. Novikov, A. Glatz, GS Paraoanu, VM Vinokur e GB Lesovik, “Solução híbrida quântica em grande escala para sistemas lineares de equações”, arXiv: 2003.12770, (2020).

[100] Kok Chuan Tan e Tyler Volkoff, “Algoritmos quânticos variacionais para estimar classificação, entropias quânticas, fidelidade e informações de Fisher por meio de minimização de pureza”, Pesquisa de Revisão Física 3 3, 033251 (2021).

[101] Xi He, Li Sun, Chufan Lyu e Xiaoting Wang, “Incorporação quântica localmente linear para redução de dimensionalidade não linear”, Processamento de informações quânticas 19 9, 309 (2020).

[102] Davide Orsucci e Vedran Dunjko, “Sobre a resolução de classes de sistemas lineares quânticos definidos positivos com tempo de execução quadraticamente melhorado no número de condição”, Quântico 5, 573 (2021).

[103] Guoming Wang, Dax Enshan Koh, Peter D. Johnson e Yudong Cao, “Minimizando o tempo de execução de estimativa em computadores quânticos barulhentos”, arXiv: 2006.09350, (2020).

[104] Fan-Xu Meng, Ze-Tong Li, Yu Xu-Tao e Zai-Chen Zhang, “Algoritmo quântico para estimativa de DOA baseada em MÚSICA em sistemas MIMO híbridos”, Ciência e Tecnologia Quântica 7 2, 025002 (2022).

[105] Manas Sajjan, Junxu Li, Raja Selvarajan, Shree Hari Sureshbabu, Sumit Suresh Kale, Rishabh Gupta, Vinit Singh e Saber Kais, “Aprendizado de máquina quântica para química e física”, arXiv: 2111.00851, (2021).

[106] MR Perelshtein, A. I. Pakhomchik, A. A. Melnikov, A. A. Novikov, A. Glatz, GS Paraoanu, VM Vinokur e GB Lesovik, “Resolvendo Sistemas Lineares de Equações em Grande Escala por um Algoritmo Híbrido Quântico”, Annalen der Physik 534 7, 2200082 (2022).

[107] Pranav Gokhale, Samantha Koretsky, Shilin Huang, Swarnadeep Majumder, Andrew Drucker, Kenneth R. Brown e Frederic T. Chong, “Fan-out quântico: Otimizações de circuito e modelagem de tecnologia”, arXiv: 2007.04246, (2020).

[108] Xi He, “Alinhamento de correlação quântica para adaptação de domínio não supervisionado”, Revisão Física A 102 3, 032410 (2020).

[109] 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).

[110] Filippo M. Miatto e Nicolás Quesada, “Otimização rápida de circuitos ópticos quânticos parametrizados”, Quântico 4, 366 (2020).

[111] Fanxu Meng, "Quantum Algorithm for DOA Estimation in Hybrid Massive MIMO", arXiv: 2102.03963, (2021).

[112] Shweta Sahoo, Utkarsh Azad e Harjinder Singh, “Reconhecimento de fase quântica usando redes de tensores quânticos”, Revista Física Europeia Plus 137 12, 1373 (2022).

[113] 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).

[114] Rishabh Gupta, Manas Sajjan, Raphael D. Levine e Saber Kais, “Abordagem variacional para tomografia de estado quântico baseada no formalismo de entropia máxima”, Físico-química-química-física (incorporando transações de Faraday) 24 47, 28870 (2022).

[115] Youle Wang, Guangxi Li e Xin Wang, “Um Algoritmo de Aprendizagem Hamiltoniano Quântico-Clássico Híbrido”, arXiv: 2103.01061, (2021).

[116] Jinfeng Zeng, Zipeng Wu, Chenfeng Cao, Chao Zhang, Shiyao Hou, Pengxiang Xu e Bei Zeng, "Simulando eigensolver quântico variacional barulhento com modelos de ruído locais", arXiv: 2010.14821, (2020).

[117] Yipeng Huang, Steven Holtzen, Todd Millstein, Guy Van den Broeck e Margaret Martonosi, “Abstrações lógicas para simulação de algoritmo quântico variacional ruidoso”, arXiv: 2103.17226, (2021).

[118] James R. Wootton, Francis Harkins, Nicholas T. Bronn, Almudena Carrera Vazquez, Anna Phan e Abraham T. Asfaw, “Ensinando computação quântica com um livro interativo”, arXiv: 2012.09629, (2020).

[119] Rolando D. Somma e Yigit Subasi, “Complexidade da verificação do estado quântico no problema de sistemas lineares quânticos”, arXiv: 2007.15698, (2020).

[120] Ruho Kondo, Yuki Sato, Satoshi Koide, Seiji Kajita e Hideki Takamatsu, “Expectativa Quântica Computacionalmente Eficiente com Medidas de Sino Estendidas”, Quântico 6, 688 (2022).

[121] Junxiang Xiao, Jingwei Wen, Shijie Wei e Guilu Long, “Reconstruindo estados quânticos desconhecidos usando método variacional em camadas”, Fronteiras da Física 17 5, 51501 (2022).

[122] Rozhin Eskandarpour, Kumar Ghosh, Amin Khodaei, Liuxi Zhang, Aleksi Paaso e Shay Bahramirad, “Solução de computação quântica de fluxo de energia DC”, arXiv: 2010.02442, (2020).

[123] Pedro Rivero, Ian C. Cloët e Zack Sullivan, “Um algoritmo de regressão de amostragem quântica ideal para solução automática variacional no regime de baixo número de qubits”, arXiv: 2012.02338, (2020).

[124] Xi He, Feiyu Du, Mingyuan Xue, Xiaogang Du, Tao Lei e A. K. Nandi, “Classificadores quânticos para adaptação de domínio”, arXiv: 2110.02808, (2021).

[125] Maxwell Aifer, Kaelan Donatella, Max Hunter Gordon, Thomas Ahle, Daniel Simpson, Gavin E. Crooks e Patrick J. Coles, “Álgebra Linear Termodinâmica”, arXiv: 2308.05660, (2023).

[126] Nicolas Renaud, Pablo Rodríguez-Sánchez, Johan Hidding e P. Chris Broekema, “Rádio Astronomia Quântica: Solucionadores Lineares Quânticos para Calibração de Linha de Base Redundante”, arXiv: 2310.11932, (2023).

[127] Alexander M. Dalzell, Sam McArdle, Mario Berta, Przemyslaw Bienias, Chi-Fang Chen, András Gilyén, Connor T. Hann, Michael J. Kastoryano, Emil T. Khabiboulline, Aleksander Kubica, Grant Salton, Samson Wang e Fernando GSL Brandão, “Algoritmos quânticos: Um levantamento de aplicações e complexidades ponta a ponta”, arXiv: 2310.03011, (2023).

[128] 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).

[129] Fatima Ezahra Chrit, Sriharsha Kocherla, Bryan Gard, Eugene F. Dumitrescu, Alexander Alexeev e Spencer H. Bryngelson, “Algoritmo totalmente quântico para métodos de Boltzmann em rede com aplicação a equações diferenciais parciais”, arXiv: 2305.07148, (2023).

[130] Yovav Tene-Cohen, Tomer Kelman, Ohad Lev e Adi Makmal, “Um algoritmo heurístico variacional Qubit-eficiente MaxCut”, arXiv: 2308.10383, (2023).

[131] Nic Ezzell, Elliott M. Ball, Aliza U. Siddiqui, Mark M. Wilde, Andrew T. Sornborger, Patrick J. Coles e Zoë Holmes, “Compilação quântica de estado misto”, Ciência e Tecnologia Quântica 8 3, 035001 (2023).

[132] Sitan Chen, Jordan Cotler, Hsin-Yuan Huang e Jerry Li, “A complexidade do NISQ”, Comunicações da Natureza 14, 6001 (2023).

[133] Anton Simen Albino, Lucas Correia Jardim, Diego Campos Knupp, Antonio José Silva Neto, Otto Menegasso Pires e Erick Giovani Sperandio Nascimento, “Resolvendo equações diferenciais parciais em computadores quânticos de curto prazo”, arXiv: 2208.05805, (2022).

[134] Alexis Ralli, Tim Weaving, Andrew Tranter, William M. Kirby, Peter J. Love e Peter V. Coveney, “Particionamento unitário e o eigensolver quântico variacional do subespaço contextual”, Pesquisa de Revisão Física 5 1, 013095 (2023).

[135] M. Cerezo, Kunal Sharma, Andrew Arrasmith e Patrick J. Coles, “Eigensolver de estado quântico variacional”, npj Informações Quânticas 8, 113 (2022).

[136] Annie E. Paine, Vincent E. Elfving e Oleksandr Kyriienko, “Métodos de kernel quântico para resolver problemas de regressão e equações diferenciais”, Revisão Física A 107 3, 032428 (2023).

[137] Nishant Saurabh, Shantenu Jha e Andre Luckow, “Uma arquitetura conceitual para um middleware Quantum-HPC”, arXiv: 2308.06608, (2023).

[138] Niraj Kumar, Jamie Heredge, Changhao Li, Shaltiel Eloul, Shree Hari Sureshbabu e Marco Pistoia, “Circuitos quânticos variacionais expressivos fornecem privacidade inerente na aprendizagem federada”, arXiv: 2309.13002, (2023).

[139] Arun Sehrawat, “Redes Neurais Interferométricas”, arXiv: 2310.16742, (2023).

[140] Muhammad AbuGhanem e Hichem Eleuch, “Computadores NISQ: Um Caminho para a Supremacia Quântica”, arXiv: 2310.01431, (2023).

[141] Ar A. Melnikov, AA Termanova, SV Dolgov, F. Neukart e MR Perelshtein, “Preparação de estado quântico usando redes de tensores”, Ciência e Tecnologia Quântica 8 3, 035027 (2023).

[142] Lorenzo Leone, Salvatore FE Oliviero, Lukasz Cincio e M. Cerezo, “Sobre a utilidade prática do Hardware Efficient Ansatz”, arXiv: 2211.01477, (2022).

[143] Junpeng Zhan, “Pesquisa quântica variacional com profundidade rasa para pesquisa de banco de dados não estruturado”, arXiv: 2212.09505, (2022).

[144] Hao-Kai Zhang, Chengkai Zhu, Geng Liu e Xin Wang, “Limitações fundamentais na otimização em algoritmos quânticos variacionais”, arXiv: 2205.05056, (2022).

[145] Yuki Sato, Hiroshi C. Watanabe, Rudy Raymond, Ruho Kondo, Kaito Wada, Katsuhiro Endo, Michihiko Sugawara e Naoki Yamamoto, “Algoritmo quântico variacional para problemas de autovalores generalizados e sua aplicação ao método dos elementos finitos”, Revisão Física A 108 2, 022429 (2023).

[146] Po-Wei Huang e Patrick Rebentrost, “Redes neurais quânticas pós-variacionais”, arXiv: 2307.10560, (2023).

[147] Qingyu Li, Yuhan Huang, Xiaokai Hou, Ying Li, Xiaoting Wang e Abolfazl Bayat, “Mitigação de erros de aprendizagem de conjunto para classificadores quânticos variacionais de circuito raso”, arXiv: 2301.12707, (2023).

[148] Ze-Tong Li, Fan-Xu Meng, Han Zeng, Zai-Chen Zhang e Xu-Tao Yu, “Uma estrutura alternativa sensível ao gradiente eficiente para VQE com Ansatz variável”, arXiv: 2205.03031, (2022).

[149] Mazen Ali e Matthias Kabel, “Estudo de desempenho de algoritmos quânticos variacionais para resolver a equação de Poisson em um computador quântico”, Revisão física aplicada 20 1, 014054 (2023).

[150] Óscar Amaro e Diogo Cruz, “A Living Review of Quantum Computing for Plasma Physics”, arXiv: 2302.00001, (2023).

[151] Kaito Wada, Rudy Raymond, Yuki Sato e Hiroshi C. Watanabe, “Seleção sequencial ideal de uma porta de qubit único e sua relação com o platô árido em circuitos quânticos parametrizados”, arXiv: 2209.08535, (2022).

[152] Katsuhiro Endo, Yuki Sato, Rudy Raymond, Kaito Wada, Naoki Yamamoto e Hiroshi C. Watanabe, “Configurações de parâmetros ideais para otimização sequencial do autosolver quântico variacional”, Pesquisa de Revisão Física 5 4, 043136 (2023).

[153] Anne-Solène Bornens e Michel Nowak, “Algoritmos quânticos variacionais em qubits de gato”, arXiv: 2305.14143, (2023).

[154] Brian Coyle, “Aplicações de aprendizado de máquina para computadores quânticos de escala intermediária ruidosa”, arXiv: 2205.09414, (2022).

[155] Reza Mahroo e Amin Kargarian, “Algoritmo ADMM Variacional Quantum-Multibloco Treinável para Programação de Geração”, arXiv: 2303.16318, (2023).

[156] Samson Wang, Sam McArdle e Mario Berta, “Algoritmos Quânticos Randomizados com Eficiência Qubit para Álgebra Linear”, arXiv: 2302.01873, (2023).

[157] 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).

[158] Simon Cichy, Paul K. Faehrmann, Sumeet Khatri e Jens Eisert, “Dispositivos perturbativos não recursivos sem restrições de subespaço e aplicações para algoritmos quânticos variacionais”, arXiv: 2210.03099, (2022).

[159] Stefano Markidis, “Sobre redes neurais informadas pela física para computadores quânticos”, arXiv: 2209.14754, (2022).

[160] Rishabh Gupta, Raja Selvarajan, Manas Sajjan, Raphael D. Levine e Saber Kais, “Hamiltonian Learning from Time Dynamics Using Variational Algorithms”, Revista de Química Física A 127 14, 3246 (2023).

[161] Daniel O'Malley, Yigit Subasi, John Golden, Robert Lowrie e Stephan Eidenbenz, “Um algoritmo quântico de curto prazo para resolver sistemas lineares de equações baseados na identidade de Woodbury”, arXiv: 2205.00645, (2022).

[162] Yulun Wang e Predrag S. Krstić, “Dinâmica de transição multiestado por forte perturbação dependente do tempo na era NISQ”, Journal of Physics Communications 7 7, 075004 (2023).

[163] A. Avkhadiev, P. E. Shanahan e RD Young, “Estratégias para construção otimizada quântica de operadores de interpolação em simulações clássicas de teorias de campos quânticos em rede”, Revisão Física D 107 5, 054507 (2023).

[164] Alistair Letcher, Stefan Woerner e Christa Zoufal, “De limites de gradiente rígidos para circuitos quânticos parametrizados à ausência de platôs estéreis em QGANs”, arXiv: 2309.12681, (2023).

[165] Gabriel Matos, Chris N. Self, Zlatko Papić, Konstantinos Meichanetzidis e Henrik Dreyer, “Caracterização de algoritmos quânticos variacionais usando férmions livres”, Quântico 7, 966 (2023).

[166] Yangyang Liu, Zhen Chen, Chang Shu, Patrick Rebentrost, Yaguang Liu, SC Chew, BC Khoo e YD Cui, “Um método numérico baseado em algoritmo quântico variacional para resolver fluxos potenciais e de Stokes”, arXiv: 2303.01805, (2023).

[167] Xi He, Feiyu Du, Mingyuan Xue, Xiaogang Du, Tao Lei e A. K. Nandi, “Classificadores quânticos para adaptação de domínio”, Processamento de informações quânticas 22 2, 105 (2023).

[168] Ajinkya Borle e Samuel J. Lomonaco, “Quão viável é o recozimento quântico para resolver problemas de álgebra linear?”, arXiv: 2206.10576, (2022).

[169] Mina Doosti, “Inclonabilidade e criptoanálise quântica: das fundações às aplicações”, arXiv: 2210.17545, (2022).

[170] Bujiao Wu, Jinzhao Sun, Qi Huang e Xiao Yuan, “Medição de agrupamento sobreposto: uma estrutura unificada para medir estados quânticos”, Quântico 7, 896 (2023).

[171] Dirk Oliver Theis, “”Regras de mudança adequadas” para derivados de evoluções quânticas paramétricas perturbadas”, Quântico 7, 1052 (2023).

[172] Dylan Herman, Rudy Raymond, Muyuan Li, Nicolas Robles, Antonio Mezzacapo e Marco Pistoia, “Expressividade do aprendizado de máquina quântico variacional no cubo booleano”, arXiv: 2204.05286, (2022).

[173] Francesco Preti, Michael Schilling, Sofiene Jerbi, Lea M. Trenkwalder, Hendrik Poulsen Nautrup, Felix Motzoi e Hans J. Briegel, “Compilação híbrida discreta-contínua de circuitos quânticos de íons presos com aprendizagem por reforço profundo”, arXiv: 2307.05744, (2023).

[174] Aidan Pellow-Jarman, Ilya Sinayskiy, Anban Pillay e Francesco Petruccione, “Algoritmos de curto prazo para sistemas lineares de equações”, Processamento de informações quânticas 22 6, 258 (2023).

[175] Hansheng Jiang, Zuo-Jun Max Shen e Junyu Liu, “Métodos de computação quântica para gerenciamento da cadeia de suprimentos”, arXiv: 2209.08246, (2022).

[176] Pablo Bermejo, Borja Aizpurua e Roman Orus, “Melhorando métodos de gradiente por meio de transformações de coordenadas: aplicações ao aprendizado de máquina quântica”, arXiv: 2304.06768, (2023).

[177] Junyu Liu, Han Zheng, Masanori Hanada, Kanav Setia e Dan Wu, “Fluxos de energia quântica: da teoria à prática”, arXiv: 2211.05728, (2022).

[178] Stefano Mangini, Alessia Marruzzo, Marco Piantanida, Dario Gerace, Daniele Bajoni e Chiara Macchiavello, “Autoencoder e classificador de rede neural quântica aplicado a um estudo de caso industrial”, arXiv: 2205.04127, (2022).

[179] Leonardo Zambrano, Andrés Damián Muñoz-Moller, Mario Muñoz, Luciano Pereira e Aldo Delgado, “Evitando planaltos estéreis na determinação variacional do emaranhamento geométrico”, arXiv: 2304.13388, (2023).

[180] Payal Kaushik, Sayantan Pramanik, M Girish Chandra e CV Sridhar, “Previsão de série temporal em uma etapa usando circuitos quânticos variacionais”, arXiv: 2207.07982, (2022).

[181] 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).

[182] Shao-Hen Chiew e Leong-Chuan Kwek, “Computação Quântica Escalável de Estados Próprios Altamente Excitados com Transformadas Espectrais”, arXiv: 2302.06638, (2023).

[183] ​​Anton Simen Albino, Otto Menegasso Pires, Peterson Nogueira, Renato Ferreira de Souza e Erick Giovani Sperandio Nascimento, “Inteligência computacional quântica para inversão sísmica em tempo de viagem”, arXiv: 2208.05794, (2022).

[184] 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).

[185] Merey M. Sarsengeldin, “Uma estrutura híbrida clássica-quântica para resolver problemas de valor de limite livre e aplicações na modelagem de fenômenos de contato elétrico”, arXiv: 2205.02230, (2022).

[186] Oliver Knitter, James Stokes e Shravan Veerapaneni, “Rumo à Simulação de Rede Neural de Algoritmos Quânticos Variacionais”, arXiv: 2211.02929, (2022).

[187] Benjamin Wu, Hrushikesh Patil e Predrag Krstic, “Efeito da esparsidade de matriz e ruído quântico em solucionadores lineares de caminhada aleatória quântica”, arXiv: 2205.14180, (2022).

[188] Xiaodong Xing, Alejandro Gomez Cadavid, Artur F. Izmaylov e Timur V. Tscherbul, “Um algoritmo híbrido quântico-clássico para dispersão quântica multicanal de átomos e moléculas”, arXiv: 2304.06089, (2023).

[189] Nicolas PD Sawaya e Joonsuk Huh, “Algoritmos quânticos de curto prazo ajustáveis ​​​​por recursos aprimorados para probabilidades de transição, com aplicações em física e álgebra linear quântica variacional”, arXiv: 2206.14213, (2022).

[190] Ruimin Shang, Zhimin Wang, Shangshang Shi, Jiaxin Li, Yanan Li e Yongjian Gu, “Algoritmo para simular a circulação oceânica em um computador quântico”, Ciência China Ciências da Terra 66 10, 2254 (2023).

[191] Hyeong-Gyu Kim, Siheon Park e June-Koo Kevin Rhee, “Clustering espectral aproximado quântico variacional para problemas de clustering binário”, arXiv: 2309.04465, (2023).

[192] Tianxiang Yue, Chenchen Wu, Yi Liu, Zhengping Du, Na Zhao, Yimeng Jiao, Zhe Xu e Wenjiao Shi, “Aprendizado de máquina quântica HASM”, Ciência China Ciências da Terra 66 9, 1937 (2023).

[193] Benjamin Y. L. Tan, Beng Yee Gan, Daniel Leykam e Dimitris G. Angelakis, “Aproximação de paisagem de soluções de baixa energia para problemas de otimização binária”, arXiv: 2307.02461, (2023).

[194] 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).

[195] Sanjay Suresh e Krishnan Suresh, “Computando um inverso aproximado esparso em máquinas de recozimento quântico”, arXiv: 2310.02388, (2023).

[196] Po-Wei Huang, Xiufan Li, Kelvin Koor e Patrick Rebentrost, “Algoritmos clássicos quânticos híbridos e inspirados em quânticos para resolver sistemas lineares circulantes em faixas”, arXiv: 2309.11451, (2023).

[197] Dingjie Lu, Zhao Wang, Jun Liu, Yangfan Li, Wei-Bin Ewe e Zhuangjian Liu, “De Ad-Hoc a Sistemático: Uma Estratégia para Imposição de Condições de Limite Gerais em PDEs Discretizados em algoritmo quântico variacional”, arXiv: 2310.11764, (2023).

[198] Oxana Shaya, “Quando os algoritmos NISQ poderiam começar a criar valor na manufatura discreta?”, arXiv: 2209.09650, (2022).

[199] Yoshiyuki Saito, Xinwei Lee, Dongsheng Cai e Nobuyoshi Asai, “Medição quântica multi-resolução com aplicação ao solucionador linear quântico”, arXiv: 2304.05960, (2023).

[200] Yunya Liu, Jiakun Liu, Jordan R. Raney e Pai Wang, “Computação Quântica para Mecânica de Sólidos e Engenharia Estrutural - uma Demonstração com Eigensolver Quântico Variacional”, arXiv: 2308.14745, (2023).

[201] Akash Kundu, Ludmila Botelho e Adam Glos, “Homotopia Orientada ao Hamiltoniano QAOA”, arXiv: 2301.13170, (2023).

[202] Minati Rath e Hema Date, “Simulação Assistida por Quântica: Uma Estrutura para Projetar Modelos de Aprendizado de Máquina no Domínio da Computação Quântica”, arXiv: 2311.10363, (2023).

As citações acima são de SAO / NASA ADS (última atualização com êxito 2023-11-22 11:14:24). A lista pode estar incompleta, pois nem todos os editores fornecem dados de citação adequados e completos.

Não foi possível buscar Dados citados por referência cruzada durante a última tentativa 2023-11-22 11:14:20: Não foi possível buscar os dados citados por 10.22331 / q-2023-11-22-1188 do Crossref. Isso é normal se o DOI foi registrado recentemente.

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