1แผนกทฤษฎี, Los Alamos National Laboratory, Los Alamos, NM 87545, USA
2Department of Computer and Information Sciences, University of Strathclyde, 26 ถนนริชมอนด์, กลาสโกว์ G1 1XH, สหราชอาณาจักร
3ห้องปฏิบัติการทางกายภาพแห่งชาติ Teddington TW11 0LW สหราชอาณาจักร
4ศูนย์การศึกษาแบบไม่เชิงเส้น Los Alamos National Laboratory, Los Alamos, NM, USA
5ห้องปฏิบัติการทางกายภาพแห่งชาติ, Teddington, UK
พบบทความนี้ที่น่าสนใจหรือต้องการหารือ? Scite หรือแสดงความคิดเห็นใน SciRate.
นามธรรม
ไม่ค่อยมีใครรู้เกี่ยวกับแนวต้นทุนสำหรับวงจรควอนตัมแบบพาราเมทริซ (PQCs) อย่างไรก็ตาม PQC ถูกใช้ใน Quantum Neural Networks และ Variational Quantum Algorithms ซึ่งอาจเอื้อให้เกิดข้อได้เปรียบเชิงควอนตัมในระยะสั้น แอปพลิเคชันดังกล่าวต้องการเครื่องมือเพิ่มประสิทธิภาพที่ดีในการฝึกอบรม PQC ผลงานล่าสุดมุ่งเน้นไปที่เครื่องมือเพิ่มประสิทธิภาพควอนตัมที่ปรับแต่งมาโดยเฉพาะสำหรับ PQC อย่างไรก็ตาม การเพิกเฉยต่อภูมิทัศน์ด้านต้นทุนอาจเป็นอุปสรรคต่อความก้าวหน้าในการเพิ่มประสิทธิภาพดังกล่าว ในงานนี้ เราวิเคราะห์ผลลัพธ์สองประการสำหรับ PQC: (1) เราพบสมมาตรขนาดใหญ่แบบทวีคูณใน PQC ซึ่งทำให้ค่าต่ำสุดในแนวนอนของต้นทุนลดลงอย่างมาก อีกทางหนึ่ง สามารถใช้เป็นการลดแบบทวีคูณในปริมาตรของพื้นที่ไฮเปอร์พารามิเตอร์ที่เกี่ยวข้อง (2) เราศึกษาความยืดหยุ่นของสมมาตรภายใต้สัญญาณรบกวน และแสดงให้เห็นว่าในขณะที่อนุรักษ์ไว้ภายใต้สัญญาณรบกวนที่เป็นหนึ่งเดียว ช่องสัญญาณที่ไม่ใช่ช่องเดียวสามารถทำลายความสมมาตรเหล่านี้และยกระดับความเสื่อมของค่าต่ำสุด นำไปสู่ค่าต่ำสุดในพื้นที่ใหม่หลายรายการ จากผลลัพธ์เหล่านี้ เราได้แนะนำวิธีการเพิ่มประสิทธิภาพที่เรียกว่า Symmetry-based Minima Hopping (SYMH) ซึ่งใช้ประโยชน์จากสมมาตรพื้นฐานใน PQC การจำลองเชิงตัวเลขของเราแสดงให้เห็นว่า SYMH ปรับปรุงประสิทธิภาพโดยรวมของตัวปรับให้เหมาะสมเมื่อมีสัญญาณรบกวนที่ไม่ใช่หน่วยในระดับที่เทียบได้กับฮาร์ดแวร์ปัจจุบัน โดยรวม งานนี้เกิดขึ้นจากความสมมาตรของวงจรขนาดใหญ่จากการแปลงเกตในพื้นที่ และใช้พวกมันเพื่อสร้างวิธีการเพิ่มประสิทธิภาพที่คำนึงถึงเสียงรบกวน
ภาพเด่น: สมมาตรในแนวฟังก์ชันต้นทุนของวงจรควอนตัมที่เป็นพารามิเตอร์
สรุปยอดนิยม
► ข้อมูล BibTeX
► ข้อมูลอ้างอิง
[1] เจ. พรีสกิล. การคำนวณควอนตัมในยุค NISQ และในอนาคตข้างหน้า ควอนตัม, 2: 79, 2018. 10.22331/q-2018-08-06-79.
https://doi.org/10.22331/q-2018-08-06-79
[2] M. Cerezo, Andrew Arrasmith, Ryan Babbush, Simon C Benjamin, Suguru Endo, Keisuke Fujii, Jarrod R McClean, Kosuke Mitarai, Xiao Yuan, Lukasz Cincio และ Patrick J. Coles อัลกอริธึมควอนตัมแบบแปรผัน ฟิสิกส์รีวิวธรรมชาติ 3 (1): 625–644, 2021a 10.1038/s42254-021-00348-9. URL https://www.nature.com/articles/s42254-021-00348-9
https://doi.org/10.1038/s42254-021-00348-9
https://www.nature.com/articles/s42254-021-00348-9
[3] A. Peruzzo, J. McClean, P. Shadbolt, M.-H. ยุง, X.-Q. Zhou, PJ Love, A. Aspuru-Guzik และ JL O'Brien ตัวแก้ค่าลักษณะเฉพาะที่แปรผันบนโปรเซสเซอร์ควอนตัมโฟโตนิก การสื่อสารธรรมชาติ, 5: 4213, 2014. 10.1038/ncomms5213. URL https://www.nature.com/articles/ncomms5213.
https://doi.org/10.1038/ncomms5213
https://www.nature.com/articles/ncomms5213
[4] Jarrod R McClean, Jonathan Romero, Ryan Babbush และ Alán Aspuru-Guzik ทฤษฎีอัลกอริทึมควอนตัมคลาสสิกไฮบริดแบบแปรผัน วารสารฟิสิกส์ใหม่, 18 (2): 023023, 2016. 10.1088/1367-2630/18/2/023023 URL https://iopscience.iop.org/article/10.1088/1367-2630/18/2/023023/meta.
https://doi.org/10.1088/1367-2630/18/2/023023
[5] เอ็ดเวิร์ด ฟาร์ฮี, เจฟฟรีย์ โกลด์สโตน และแซม กัทมันน์ อัลกอริธึมการเพิ่มประสิทธิภาพโดยประมาณควอนตัม พิมพ์ล่วงหน้า arXiv arXiv:1411.4028, 2014. 10.48550/arXiv.1411.4028 URL https://arxiv.org/abs/1411.4028.
https://doi.org/10.48550/arXiv.1411.4028
arXiv: 1411.4028
[6] เจ. โรเมโร เจ. พี. โอลสัน และเอ. อัสปูรู-กูซิก ตัวเข้ารหัสอัตโนมัติของควอนตัมสำหรับการบีบอัดข้อมูลควอนตัมอย่างมีประสิทธิภาพ วิทยาศาสตร์และเทคโนโลยีควอนตัม 2 (4): 045001 ธันวาคม 2017 10.1088/2058-9565/aa8072 URL https://iopscience.iop.org/article/10.1088/2058-9565/aa8072.
https://doi.org/10.1088/2058-9565/aa8072
[7] Sumeet Khatri, Ryan LaRose, Alexander Poremba, Lukasz Cincio, Andrew T. Sornborger และ Patrick J. Coles การรวบรวมควอนตัมช่วยควอนตัม ควอนตัม 3: 140 พฤษภาคม 2019 ISSN 2521-327X 10.22331/q-2019-05-13-140. URL https:///doi.org/10.22331/q-2019-05-13-140.
https://doi.org/10.22331/q-2019-05-13-140
[8] R. LaRose, A. Tikku, É. โอนีล-จูดี้, แอล. ซินซิโอ และพีเจ โคลส์ การเปลี่ยนแปลงสถานะควอนตัมในแนวทแยง npj ข้อมูลควอนตัม, 5: 1–10, 2018. 10.1038/s41534-019-0167-6. URL https://www.nature.com/articles/s41534-019-0167-6
https://doi.org/10.1038/s41534-019-0167-6
https://www.nature.com/articles/s41534-019-0167-6
[9] A. Arrasmith, L. Cincio, AT Sornborger, WH Zurek และ PJ Coles ประวัติความแปรผันที่สม่ำเสมอเป็นอัลกอริธึมไฮบริดสำหรับฐานควอนตัม การสื่อสารธรรมชาติ, 10 (1): 3438, 2019. 10.1038/s41467-019-11417-0. URL https://www.nature.com/articles/s41467-019-11417-0
https://doi.org/10.1038/s41467-019-11417-0
https://www.nature.com/articles/s41467-019-11417-0
[10] M. Cerezo, Alexander Poremba, Lukasz Cincio และ Patrick J Coles การประมาณค่าความเที่ยงตรงของควอนตัมแบบแปรผัน ควอนตัม, 4: 248, 2020ก. 10.22331/q-2020-03-26-248.
https://doi.org/10.22331/q-2020-03-26-248
[11] Cristina Cirstoiu, Zoe Holmes, Joseph Iosue, Lukasz Cincio, Patrick J Coles และ Andrew Sornborger การส่งต่ออย่างรวดเร็วแบบแปรผันสำหรับการจำลองควอนตัมที่อยู่เหนือเวลาที่เชื่อมโยงกัน npj ข้อมูลควอนตัม, 6 (1): 1–10, 2020. URL 10.1038/s41534-020-00302-0.
https://doi.org/10.1038/s41534-020-00302-0
[12] Carlos Bravo-Prieto, Ryan LaRose, M. Cerezo, Yigit Subasi, Lukasz Cincio และ Patrick Coles ตัวแก้เชิงเส้นควอนตัมแปรผัน พิมพ์ล่วงหน้า arXiv arXiv:1909.05820, 2019. 10.48550/arXiv.1909.05820 URL https://arxiv.org/abs/1909.05820.
https://doi.org/10.48550/arXiv.1909.05820
arXiv: 1909.05820
[13] M. Cerezo, Kunal Sharma, Andrew Arrasmith และ Patrick J Coles ตัวแปรไอเกนโซลเวอร์สถานะควอนตัมแปรผัน พิมพ์ล่วงหน้า arXiv arXiv:2004.01372, 2020b. 10.48550/arXiv.2004.01372. URL https://arxiv.org/abs/2004.01372
https://doi.org/10.48550/arXiv.2004.01372
arXiv: 2004.01372
[14] Ivan Rungger, Nathan Fitzpatrick, Honxiang Chen, CH Alderete, Harriett Apel, Alexander Cowtan, Andrew Patterson, D Munoz Ramo, Yingyue Zhu, Nhung Hong Nguyen, และคณะ อัลกอริธึมทฤษฎีสนามค่าเฉลี่ยแบบไดนามิกและการทดลองบนคอมพิวเตอร์ควอนตัม พิมพ์ล่วงหน้า arXiv arXiv:1910.04735, 2019. 10.48550/arXiv.1910.04735 URL https://arxiv.org/abs/1910.04735.
https://doi.org/10.48550/arXiv.1910.04735
arXiv: 1910.04735
[15] Maria Schuld, Ilya Sinayskiy และ Francesco Petruccione การแสวงหาเครือข่ายประสาทควอนตัม การประมวลผลข้อมูลควอนตัม, 13 (11): 2567–2586, 2014. 10.1007/s11128-014-0809-8. URL https://link.springer.com/article/10.1007/s11128-014-0809-8.
https://doi.org/10.1007/s11128-014-0809-8
[16] Iris Cong, Soonwon Choi และ Mikhail D Lukin โครงข่ายประสาทควอนตัม ฟิสิกส์ธรรมชาติ 15 (12): 1273–1278, 2019 10.1038 / s41567-019-0648-8 URL https://www.nature.com/articles/s41567-019-0648-8
https://doi.org/10.1038/s41567-019-0648-8
https://www.nature.com/articles/s41567-019-0648-8
[17] Kerstin Beer, Dmytro Bondarenko, Terry Farrelly, Tobias J Osborne, Robert Salzmann, Daniel Scheiermann และ Ramona Wolf การฝึกอบรมเครือข่ายประสาทควอนตัมลึก การสื่อสารธรรมชาติ, 11 (1): 1–6, 2020. 10.1038/s41467-020-14454-2. URL https://www.nature.com/articles/s41467-020-14454-2.
https://doi.org/10.1038/s41467-020-14454-2
https://www.nature.com/articles/s41467-020-14454-2
[18] Guillaume Verdon, Jason Pye และ Michael Broughton อัลกอริธึมการฝึกอบรมสากลสำหรับการเรียนรู้เชิงลึกควอนตัม พิมพ์ล่วงหน้า arXiv arXiv:1806.09729, 2018. 10.48550/arXiv.1806.09729. URL https://arxiv.org/abs/1806.09729
https://doi.org/10.48550/arXiv.1806.09729
arXiv: 1806.09729
[19] Andrew Patterson, Hongxiang Chen, Leonard Wossnig, Simone Severini, Dan Browne และ Ivan Rungger การเลือกปฏิบัติในสถานะควอนตัมโดยใช้โครงข่ายประสาทควอนตัมที่มีเสียงดัง การวิจัยทบทวนทางกายภาพ 3 (1): 013063, 2021 10.1103 / PhysRevResearch.3.013063 URL https:///journals.aps.org/prresearch/abstract/10.1103/PhysRevResearch.3.013063
https://doi.org/10.1103/PhysRevResearch.3.013063
[20] Patrick Huembeli และ Alexandre Dauphin การกำหนดลักษณะการสูญเสียของวงจรควอนตัมแปรผัน วิทยาศาสตร์และเทคโนโลยีควอนตัม, 6 (2): 025011, 2021. 10.1088/2058-9565/abdbc9. URL https://iopscience.iop.org/article/10.1088/2058-9565/abdbc9.
https://doi.org/10.10882058-9565/abdbc9
[21] K. Mitarai, M. Negoro, M. Kitagawa และ K. Fujii การเรียนรู้วงจรควอนตัม สรีรวิทยา รายได้ A, 98 (3): 032309, 2018. 10.1103/PhysRevA.98.032309. URL https://journals.aps.org/pra/abstract/10.1103/PhysRevA.98.032309.
https://doi.org/10.1103/PhysRevA.98.032309
[22] Maria Schuld, Ville Bergholm, Christian Gogolin, Josh Izaac และ Nathan Killoran การประเมินการไล่ระดับสีเชิงวิเคราะห์บนฮาร์ดแวร์ควอนตัม รีวิวทางกายภาพ A, 99 (3): 032331, 2019. 10.1103/PhysRevA.99.032331 URL https://journals.aps.org/pra/abstract/10.1103/PhysRevA.99.032331
https://doi.org/10.1103/PhysRevA.99.032331
[23] โคสึเกะ มิทาไร และ เคสุเกะ ฟูจิอิ วิธีการแทนที่การวัดทางอ้อมด้วยการวัดโดยตรง การวิจัยทบทวนทางกายภาพ 1 (1): 013006, 2019 10.1103 / PhysRevResearch.1.013006 URL https:///journals.aps.org/prresearch/abstract/10.1103/PhysRevResearch.1.013006
https://doi.org/10.1103/PhysRevResearch.1.013006
[24] M. Cerezo และ Patrick J Coles อนุพันธ์อันดับสูงกว่าของโครงข่ายนิวรัลควอนตัมที่มีที่ราบสูงแห้งแล้ง วิทยาศาสตร์และเทคโนโลยีควอนตัม, 6 (2): 035006, 2021. 10.1088/2058-9565/abf51a URL https://iopscience.iop.org/article/10.1088/2058-9565/abf51a.
https://doi.org/10.10882058-9565/abf51a
[25] Andrea Mari, Thomas R. Bromley และ Nathan Killoran การประเมินการไล่ระดับสีและอนุพันธ์อันดับสูงกว่าบนฮาร์ดแวร์ควอนตัม สรีรวิทยา รายได้ A, 103: 012405, ม.ค. 2021 10.1103/PhysRevA.103.012405 URL https://link.aps.org/doi/10.1103/PhysRevA.103.012405
https://doi.org/10.1103/PhysRevA.103.012405
[26] Jonas M Kübler, Andrew Arrasmith, Lukasz Cincio และ Patrick J Coles เครื่องมือเพิ่มประสิทธิภาพแบบปรับได้สำหรับอัลกอริธึมความผันแปรที่ประหยัดในการวัด ควอนตัม, 4: 263, 2020. 10.22331/q-2020-05-11-263. URL https:///quantum-journal.org/papers/q-2020-05-11-263/
https://doi.org/10.22331/q-2020-05-11-263
https://quantum-journal.org/papers/q-2020-05-11-263/
[27] Ken M Nakanishi, Keisuke Fujii และ Synge Todo การเพิ่มประสิทธิภาพขั้นต่ำตามลำดับสำหรับอัลกอริธึมไฮบริดควอนตัมคลาสสิก การวิจัยทบทวนทางกายภาพ 2 (4): 043158, 2020a URL 10.1103/PhysRevResearch.2.043158
https://doi.org/10.1103/PhysRevResearch.2.043158
[28] Jarrod R McClean, Sergio Boixo, Vadim N Smelyanskiy, Ryan Babbush และ Hartmut Neven ที่ราบสูงที่แห้งแล้งในภูมิประเทศการฝึกอบรมโครงข่ายประสาทควอนตัม การสื่อสารธรรมชาติ, 9 (1): 4812, 2018. 10.1038/s41467-018-07090-4. URL https://www.nature.com/articles/s41467-018-07090-4
https://doi.org/10.1038/s41467-018-07090-4
https://www.nature.com/articles/s41467-018-07090-4
[29] M. Cerezo, Akira Sone, Tyler Volkoff, Lukasz Cincio และ Patrick J Coles ฟังก์ชันต้นทุนขึ้นอยู่กับที่ราบสูงที่แห้งแล้งในวงจรควอนตัมแบบพาราเมทริกแบบตื้น การสื่อสารธรรมชาติ, 12 (1): 1–12, 2021b. 10.1038/s41467-021-21728-w. URL https://www.nature.com/articles/s41467-021-21728-w.
https://doi.org/10.1038/s41467-021-21728-w
https://www.nature.com/articles/s41467-021-21728-w
[30] Kunal Sharma, M. Cerezo, Lukasz Cincio และ Patrick J Coles ความสามารถในการฝึกอบรมของโครงข่ายควอนตัมนิวรัลแบบ dissipative perceptron จดหมายทบทวนทางกายภาพ 128 (18): 180505, 2022 10.1103 / PhysRevLett.128.180505
https://doi.org/10.1103/PhysRevLett.128.180505
[31] Zoë Holmes, Andrew Arrasmith, Bin Yan, Patrick J. Coles, Andreas Albrecht และ Andrew T Sornborger ที่ราบสูงแห้งแล้งขัดขวางการเรียนรู้ จดหมายทบทวนทางกายภาพ 126 (19): 190501, 2021 10.1103/PhysRevLett.126.190501 URL https://journals.aps.org/prl/abstract/10.1103/PhysRevLett.126.190501
https://doi.org/10.1103/PhysRevLett.126.190501
[32] Arthur Pesah, M. Cerezo, Samson Wang, Tyler Volkoff, Andrew T Sornborger และ Patrick J Coles ไม่มีที่ราบสูงที่แห้งแล้งในโครงข่ายประสาทควอนตัม การตรวจทานทางกายภาพ X, 11 (4): 041011, 2021. 10.1103/PhysRevX.11.041011. URL https://journals.aps.org/prx/abstract/10.1103/PhysRevX.11.041011
https://doi.org/10.1103/PhysRevX.11.041011
[33] Carlos Ortiz Marrero, Mária Kieferová และ Nathan Wiebe ที่ราบสูงแห้งแล้งที่เกิดจากสิ่งกีดขวาง PRX Quantum, 2 (4): 040316, 2021. 10.1103/PRXQuantum.2.040316.
https://doi.org/10.1103/PRXQuantum.2.040316
[34] Kathleen E Hamilton, Tyler Kharazi, Titus Morris, Alexander J McCaskey, Ryan S Bennink และ Raphael C Pooser การกำหนดลักษณะสัญญาณรบกวนของโปรเซสเซอร์ควอนตัมที่ปรับขนาดได้ ในปี 2020 IEEE International Conference on Quantum Computing and Engineering (QCE) หน้า 430–440 IEEE, 2020. 10.1109/QCE49297.2020.00060. URL https://ieeexplore.ieee.org/abstract/document/9259938
https://doi.org/10.1109/QCE49297.2020.00060
https://ieeexplore.ieee.org/abstract/document/9259938
[35] Samson Wang, Enrico Fontana, M. Cerezo, Kunal Sharma, Akira Sone, Lukasz Cincio และ Patrick J Coles ที่ราบสูงแห้งแล้งที่เกิดจากเสียงรบกวนในอัลกอริธึมควอนตัมผันแปร Nature Communications, 12 (1): 1–11, 2021. 10.1038/s41467-021-27045-6. URL https://www.nature.com/articles/s41467-021-27045-6
https://doi.org/10.1038/s41467-021-27045-6
https://www.nature.com/articles/s41467-021-27045-6
[36] Kunal Sharma, Sumeet Khatri, M. Cerezo และ Patrick J Coles ความยืดหยุ่นของเสียงของการรวบรวมควอนตัมแปรผัน New Journal of Physics, 22 (4): 043006, 2020. 10.1088/1367-2630/ab784c. URL https://iopscience.iop.org/article/10.1088/1367-2630/ab784c.
https://doi.org/10.1088/1367-2630/ab784c
[37] Enrico Fontana, Nathan Fitzpatrick, David Muñoz Ramo, Ross Duncan และ Ivan Rungger การประเมินความยืดหยุ่นของสัญญาณรบกวนของอัลกอริธึมควอนตัมผันแปร การตรวจทานทางกายภาพ A, 104 (2): 022403, 2021. 10.1103/PhysRevA.104.022403. URL https://journals.aps.org/pra/abstract/10.1103/PhysRevA.104.022403
https://doi.org/10.1103/PhysRevA.104.022403
[38] James Stokes, Josh Izaac, Nathan Killoran และ Giuseppe Carleo การไล่ระดับสีตามธรรมชาติของควอนตัม ควอนตัม, 4: 269, 2020. 10.22331/q-2020-05-25-269. URL https:///quantum-journal.org/papers/q-2020-05-25-269/
https://doi.org/10.22331/q-2020-05-25-269
https://quantum-journal.org/papers/q-2020-05-25-269/
[39] Bálint Koczor และ Simon C. Benjamin เกรเดียนท์ตามธรรมชาติของควอนตัมทำให้เป็นวงจรที่ไม่เป็นเอกภาพ พิมพ์ล่วงหน้า arXiv arXiv:1912.08660, 2019. 10.48550/arXiv.1912.08660 URL https://arxiv.org/abs/1912.08660.
https://doi.org/10.48550/arXiv.1912.08660
arXiv: 1912.08660
[40] Ken M Nakanishi, Keisuke Fujii และ Synge Todo การเพิ่มประสิทธิภาพขั้นต่ำตามลำดับสำหรับอัลกอริธึมไฮบริดควอนตัมคลาสสิก การวิจัยทบทวนทางกายภาพ 2 (4): 043158, 2020b. 10.1103 / PhysRevResearch.2.043158 URL https://journals.aps.org/prresearch/abstract/10.1103/PhysRevResearch.2.043158
https://doi.org/10.1103/PhysRevResearch.2.043158
[41] Andrew Arrasmith, Lukasz Cincio, Rolando D Somma และ Patrick J Coles การสุ่มตัวอย่างผู้ปฏิบัติงานเพื่อการเพิ่มประสิทธิภาพอย่างประหยัดในอัลกอริธึมรูปแบบต่างๆ พิมพ์ล่วงหน้า arXiv arXiv:2004.06252, 2020. 10.48550/arXiv.2004.06252 URL https://arxiv.org/abs/2004.06252
https://doi.org/10.48550/arXiv.2004.06252
arXiv: 2004.06252
[42] Ryan Sweke, Frederik Wilde, Johannes Jakob Meyer, Maria Schuld, Paul K Fährmann, Barthélémy Meynard-Piganeau และ Jens Eisert Stochastic gradient Descent สำหรับการเพิ่มประสิทธิภาพควอนตัมคลาสสิกแบบไฮบริด ควอนตัม, 4: 314, 2020. 10.22331/q-2020-08-31-314. URL https:///quantum-journal.org/papers/q-2020-08-31-314/
https://doi.org/10.22331/q-2020-08-31-314
https://quantum-journal.org/papers/q-2020-08-31-314/
[43] Kevin J Sung, Jiahao Yao, Matthew P Harrigan, Nicholas C Rubin, Zhang Jiang, Lin Lin, Ryan Babbush และ Jarrod R McClean การใช้แบบจำลองเพื่อปรับปรุงเครื่องมือเพิ่มประสิทธิภาพสำหรับอัลกอริธึมควอนตัมแบบแปรผัน วิทยาศาสตร์และเทคโนโลยีควอนตัม, 5 (4): 044008, 2020. 10.1088/2058-9565/abb6d9 URL https://iopscience.iop.org/article/10.1088/2058-9565/abb6d9.
https://doi.org/10.1088/2058-9565/abb6d9
[44] Wim Lavrijsen, Ana Tudor, Juliane Müller, Costin Iancu และ Wibe de Jong เครื่องมือเพิ่มประสิทธิภาพแบบคลาสสิกสำหรับอุปกรณ์ควอนตัมระดับกลางที่มีเสียงดัง การพิมพ์ล่วงหน้า arXiv arXiv:2004.03004, 2020. 10.1109/QCE49297.2020.00041. URL https://arxiv.org/abs/2004.03004.
https://doi.org/10.1109/QCE49297.2020.00041
arXiv: 2004.03004
[45] Aram Harrow และ John Napp การวัดความชันเชิงลึกต่ำสามารถปรับปรุงการบรรจบกันในอัลกอริธึมควอนตัมคลาสสิกไฮบริดแบบแปรผันได้ พิมพ์ล่วงหน้า arXiv arXiv:1901.05374, 2019. URL 10.1103/PhysRevLett.126.140502
https://doi.org/10.1103/PhysRevLett.126.140502
arXiv: 1901.05374
[46] A. Kandala, A. Mezzacapo, K. Temme, M. Takita, M. Brink, JM Chow และ JM Gambetta ควอนตัมไอเกนโซลเวอร์แปรผันอย่างมีประสิทธิภาพสำหรับฮาร์ดแวร์สำหรับโมเลกุลขนาดเล็กและแม่เหล็กควอนตัม ธรรมชาติ, 549 (7671): 242, 2017. 10.1038/nature23879. URL https://www.nature.com/articles/nature23879.
https://doi.org/10.1038/nature23879
https://www.nature.com/articles/nature23879
[47] S. Hadfield, Z. Wang, B. O'Gorman, EG Rieffel, D. Venturelli และ R. Biswas จากอัลกอริธึมการปรับให้เหมาะสมโดยประมาณควอนตัมไปจนถึงตัวดำเนินการสลับควอนตัม ansatz อัลกอริทึม 12 (2): 34 ก.พ. 2019 ISSN 1999-4893 10.3390/a12020034. URL https://www.mdpi.com/1999-4893/12/2/34
https://doi.org/10.3390/a12020034
https://www.mdpi.com/1999-4893/12/2/34
[48] Yudong Cao, Jonathan Romero, Jonathan P Olson, Matthias Degroote, Peter D Johnson, Mária Kieferová, Ian D Kivlichan, Tim Menke, Borja Peropadre, Nicolas PD Sawaya, และคณะ เคมีควอนตัมในยุคของคอมพิวเตอร์ควอนตัม บทวิจารณ์ทางเคมี, 119 (19): 10856–10915, 2019. 10.1021/acs.chemrev.8b00803. URL https:///pubs.acs.org/doi/10.1021/acs.chemrev.8b00803.
https://doi.org/10.1021/acs.chemrev.8b00803
[49] Rodney J Bartlett และ Monika Musiał ทฤษฎีคลัสเตอร์คู่ในเคมีควอนตัม บทวิจารณ์ฟิสิกส์สมัยใหม่, 79 (1): 291, 2007. 10.1103/ RevModPhys.79.291. URL https://journals.aps.org/rmp/abstract/10.1103/RevModPhys.79.291
https://doi.org/10.1103/RevModPhys.79.291
[50] Joonho Lee, William J Huggins, Martin Head-Gordon และ K Birgitta Whaley ฟังก์ชันคลื่นคลัสเตอร์รวมคู่ทั่วไปทั่วไปสำหรับการคำนวณควอนตัม วารสารทฤษฎีเคมีและการคำนวณ 15 (1): 311–324, 2018. 10.1021/acs.jctc.8b01004. URL https:///pubs.acs.org/doi/10.1021/acs.jctc.8b01004.
https://doi.org/10.1021/acs.jctc.8b01004
[51] Bob Coecke และ Ross Duncan ปฏิสัมพันธ์ที่สังเกตได้ควอนตัม: พีชคณิตจำแนกและไดอะแกรม วารสารฟิสิกส์ใหม่, 13 (4): 043016, 2011. 10.1088/1367-2630/13/4/043016. URL https://iopscience.iop.org/article/10.1088/1367-2630/13/4/043016.
https://doi.org/10.1088/1367-2630/13/4/043016
[52] Daniel Stilck França และ Raul Garcia-Patron ข้อจำกัดของอัลกอริธึมการเพิ่มประสิทธิภาพบนอุปกรณ์ควอนตัมที่มีเสียงดัง ฟิสิกส์ธรรมชาติ, 17 (11): 1221–1227, 2021. 10.1038/s41567-021-01356-3. URL https://www.nature.com/articles/s41567-021-01356-3
https://doi.org/10.1038/s41567-021-01356-3
https://www.nature.com/articles/s41567-021-01356-3
[53] Bryan T Gard, Linghua Zhu, George S Barron, Nicholas J Mayhall, Sophia E Economou และ Edwin Barnes วงจรการเตรียมสภาวะการรักษาสมมาตรที่มีประสิทธิภาพสำหรับอัลกอริธึมไอเกนโซลเวอร์ควอนตัมแปรผัน npj ข้อมูลควอนตัม, 6 (1): 1–9, 2020. 10.1038/s41534-019-0240-1. URL https://www.nature.com/articles/s41534-019-0240-1
https://doi.org/10.1038/s41534-019-0240-1
https://www.nature.com/articles/s41534-019-0240-1
[54] Michael Streif, Martin Leib, Filip Wudarski, Eleanor Rieffel และ Zhihui Wang อัลกอริธึมควอนตัมพร้อมการอนุรักษ์หมายเลขอนุภาคในพื้นที่: เอฟเฟกต์สัญญาณรบกวนและการแก้ไขข้อผิดพลาด การทบทวนทางกายภาพ A, 103 (4): 042412, 2021. 10.1103/PhysRevA.103.042412. URL https://journals.aps.org/pra/abstract/10.1103/PhysRevA.103.042412.
https://doi.org/10.1103/PhysRevA.103.042412
[55] FT Chong, D. Franklin และ M. Martonosi ภาษาการเขียนโปรแกรมและการออกแบบคอมไพเลอร์สำหรับฮาร์ดแวร์ควอนตัมที่สมจริง ธรรมชาติ, 549 (7671): 180, 2017. 10.1038/nature23459. URL https://www.nature.com/articles/nature23459.
https://doi.org/10.1038/nature23459
https://www.nature.com/articles/nature23459
[56] Thomas Häner, Damian S. Steiger, Krysta Svore และ Matthias Troyer ระเบียบวิธีซอฟต์แวร์สำหรับการคอมไพล์โปรแกรมควอนตัม วิทยาศาสตร์และเทคโนโลยีควอนตัม, 3 (2): 020501, 2018. 10.1088/2058-9565/aaa5cc. URL https:///iopscience.iop.org/article/10.1088/2058-9565/aaa5cc.
https://doi.org/10.10882058-9565/aaa5cc
[57] D. Venturelli, M. Do, E. Rieffel และ J. Frank รวบรวมวงจรควอนตัมกับสถาปัตยกรรมฮาร์ดแวร์ที่เหมือนจริงโดยใช้เครื่องมือวางแผนชั่วคราว วิทยาศาสตร์และเทคโนโลยีควอนตัม, 3 (2): 025004, 2018. 10.1088/2058-9565/aaa331 URL https://iopscience.iop.org/article/10.1088/2058-9565/aaa331
https://doi.org/10.1088/2058-9565/aaa331
[58] ไทสัน โจนส์ และ ไซม่อน ซี. เบนจามิน การรวบรวมควอนตัมที่แข็งแกร่งและการเพิ่มประสิทธิภาพวงจรด้วยการลดพลังงาน ควอนตัม, 6: 628, 2022. 10.22331/q-2022-01-24-628. URL https:///quantum-journal.org/papers/q-2022-01-24-628/
https://doi.org/10.22331/q-2022-01-24-628
https://quantum-journal.org/papers/q-2022-01-24-628/
[59] เคนทาโร่ เฮยะ, ยาสึนาริ ซูซูกิ, ยาสึโนบุ นากามูระ และเคสุเกะ ฟูจิอิ การเพิ่มประสิทธิภาพประตูควอนตัมแบบแปรผัน พิมพ์ล่วงหน้า arXiv arXiv:1810.12745, 2018. 10.48550/arXiv.1810.12745. URL https://arxiv.org/abs/1810.12745.
https://doi.org/10.48550/arXiv.1810.12745
arXiv: 1810.12745
[60] เอ็มเจดี พาวเวลล์ อัลกอริทึม BOBYQA สำหรับการเพิ่มประสิทธิภาพที่มีข้อจำกัดที่ถูกผูกไว้โดยไม่มีอนุพันธ์ รายงานทางเทคนิค Department of Applied Mathematics and Theoretical Physics, 01 2009. URL https://www.damtp.cam.ac.uk/user/na/NA_papers/NA2009_06.pdf
https://www.damtp.cam.ac.uk/user/na/NA_papers/NA2009_06.pdf
[61] Dave Wecker, Matthew B Hastings และ Matthias Troyer ความคืบหน้าสู่อัลกอริธึมรูปแบบควอนตัมเชิงปฏิบัติ การทบทวนทางกายภาพ A, 92 (4): 042303, 2015. 10.1103/PhysRevA.92.042303 URL https://journals.aps.org/pra/abstract/10.1103/PhysRevA.92.042303
https://doi.org/10.1103/PhysRevA.92.042303
[62] Roeland Wiersema, Cunlu Zhou, Yvette de Sereville, Juan Felipe Carrasquilla, Yong Baek Kim และ Henry Yuen สำรวจสิ่งกีดขวางและการเพิ่มประสิทธิภาพภายใน ansatz ผันแปรของแฮมิลตัน PRX Quantum, 1 (2): 020319, 2020. 10.1103/PRXQuantum.1.020319. URL https:///journals.aps.org/prxquantum/pdf/10.1103/PRXQuantum.1.020319
https://doi.org/10.1103/PRXQuantum.1.020319
[63] Xuchen You และ Xiaodi Wu ค่าต่ำสุดในพื้นที่จำนวนมากแบบทวีคูณในเครือข่ายนิวรัลควอนตัม ในการประชุมระหว่างประเทศว่าด้วยการเรียนรู้ของเครื่อง หน้า 12144–12155 PMLR, 2021. URL https://proceedings.mlr.press/v139/you21c.html
https://proceedings.mlr.press/v139/you21c.html
[64] Hans J Briegel, David E Browne, Wolfgang Dür, Robert Raussendorf และ Maarten Van den Nest การคำนวณควอนตัมตามการวัด ฟิสิกส์ธรรมชาติ 5 (1): 19–26, 2009 10.1038 / nphys1157 URL https://www.nature.com/articles/nphys1157
https://doi.org/10.1038/nphys1157
https://www.nature.com/articles/nphys1157
[65] Vincent Danos และ Elham Kashefi ความมุ่งมั่นในรูปแบบทางเดียว การทบทวนทางกายภาพ A, 74 (5): 052310, 2006. 10.1103/PhysRevA.74.052310 URL https://journals.aps.org/pra/abstract/10.1103/PhysRevA.74.052310
https://doi.org/10.1103/PhysRevA.74.052310
[66] สก็อตต์ เคิร์กแพทริก, ซี แดเนียล เจลาตต์ และมาริโอ พี เวคคี การเพิ่มประสิทธิภาพโดยการจำลองการหลอม วิทยาศาสตร์, 220 (4598): 671–680, 1983. 10.1126/science.220.4598.671. URL https://www.science.org/doi/abs/10.1126/science.220.4598.671
https://doi.org/10.1126/science.220.4598.671
[67] Wagner F Sacco และ CREA Oliveira อัลกอริธึมการปรับให้เหมาะสมแบบสุ่มใหม่ขึ้นอยู่กับ metaheuristic การชนกันของอนุภาค การดำเนินการของ WCSMO ครั้งที่ 6, 2005. URL https://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.80.6308&rep=rep1&type=pdf
https://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.80.6308&rep=rep1&type=pdf
[68] อนา แคโรไลนา ริออส-โคเอลโญ, วากเนอร์ เอฟ แซกโค และเนลิโอ เฮนเดอร์สัน อัลกอริธึมของมหานครรวมกับวิธีการค้นหาในท้องถิ่นของ hooke–jeeves ที่ใช้กับการเพิ่มประสิทธิภาพทั่วโลก คณิตศาสตร์ประยุกต์และการคำนวณ 217 (2): 843–853, 2010. 10.1016/j.amc.2010.06.027. URL https://www.sciencedirect.com/science/article/pii/S0096300310007125.
https://doi.org/10.1016/j.amc.2010.06.027
https://www.sciencedirect.com/science/article/pii/S0096300310007125
[69] Ilya Loschilov และ Frank Hutter Sgdr: Stochastic gradient descent พร้อมการรีสตาร์ทที่อบอุ่น พิมพ์ล่วงหน้า arXiv arXiv:1608.03983, 2016. 10.48550/arXiv.1608.03983 URL https://arxiv.org/abs/1608.03983
https://doi.org/10.48550/arXiv.1608.03983
arXiv: 1608.03983
[70] Oliver Kern, Gernot Alber และ Dima L Shepelyansky การแก้ไขข้อผิดพลาดควอนตัมของข้อผิดพลาดที่สอดคล้องกันโดยการสุ่ม European Physical Journal D-Atomic, Molecular, Optical และ Plasma Physics, 32 (1): 153–156, 2005. 10.1140/epjd/e2004-00196-9. URL https://link.springer.com/article/10.1140/epjd/e2004-00196-9
https://doi.org/10.1140/epjd/e2004-00196-9
[71] Joel J. Wallman และ Joseph Emerson การปรับแต่งเสียงรบกวนสำหรับการคำนวณควอนตัมที่ปรับขนาดได้ผ่านการคอมไพล์แบบสุ่ม การตรวจทานทางกายภาพ A, 94 (5): 052325, 2016. URL 10.1103/PhysRevA.94.052325
https://doi.org/10.1103/PhysRevA.94.052325
[72] Osama Moussa, Marcus P da Silva, Colm A Ryan และ Raymond Laflamme การรับรองการทดลองเชิงปฏิบัติของประตูควอนตัมเชิงคำนวณโดยใช้ขั้นตอนการหมุนวน จดหมายทบทวนทางกายภาพ, 109 (7): 070504, 2012. 10.1103/PhysRevLett.109.070504. URL https:///journals.aps.org/prl/abstract/10.1103/PhysRevLett.109.070504
https://doi.org/10.1103/PhysRevLett.109.070504
[73] Kristan Temme, Sergey Bravyi และ Jay M Gambetta การลดข้อผิดพลาดสำหรับวงจรควอนตัมเชิงลึก จดหมายทบทวนทางกายภาพ, 119 (18): 180509, 2017. 10.1103/PhysRevLett.119.180509. URL https://journals.aps.org/prl/abstract/10.1103/PhysRevLett.119.180509
https://doi.org/10.1103/PhysRevLett.119.180509
[74] Steven T Flammia และ Joel J. Wallman การประมาณค่าช่องเพาลีอย่างมีประสิทธิภาพ ธุรกรรม ACM บน Quantum Computing, 1 (1): 1–32, 2020. 10.1145/3408039 URL https://dl.acm.org/doi/abs/10.1145/3408039
https://doi.org/10.1145/3408039
[75] Ying Li และ Simon C Benjamin โปรแกรมจำลองควอนตัมความแปรผันที่มีประสิทธิภาพซึ่งรวมการลดข้อผิดพลาดที่ใช้งานอยู่ การตรวจทานทางกายภาพ X, 7 (2): 021050, 2017. URL 10.1103/PhysRevX.7.021050
https://doi.org/10.1103/PhysRevX.7.021050
[76] ซูกุรุ เอนโด, ไซม่อน ซี เบนจามิน และ หยิง ลี่ การลดข้อผิดพลาดของควอนตัมในทางปฏิบัติสำหรับแอปพลิเคชันในอนาคตอันใกล้ การตรวจทานทางกายภาพ X, 8 (3): 031027, 2018. 10.1103/PhysRevX.8.031027. URL https://journals.aps.org/prx/abstract/10.1103/PhysRevX.8.031027
https://doi.org/10.1103/PhysRevX.8.031027
[77] Miroslav Urbanek, Benjamin Nachman, Vincent R Pascuzzi, Andre He, Christian W Bauer และ Wibe A de Jong การลดสัญญาณรบกวนขั้วบนคอมพิวเตอร์ควอนตัมด้วยวงจรการประเมินเสียงรบกวน จดหมายทบทวนทางกายภาพ, 127 (27): 270502, 2021. 10.1103/PhysRevLett.127.270502. URL https:///journals.aps.org/prl/abstract/10.1103/PhysRevLett.127.270502
https://doi.org/10.1103/PhysRevLett.127.270502
อ้างโดย
[1] Jules Tilly, Hongxiang Chen, Shuxiang Cao, Dario Picozzi, Kanav Setia, Ying Li, Edward Grant, Leonard Wossnig, Ivan Rungger, George H. Booth และ Jonathan Tennyson, “The Variational Quantum Eigensolver: การทบทวนวิธีการและ ปฏิบัติที่ดีที่สุด", arXiv: 2111.05176.
[2] M. Cerezo, Andrew Arrasmith, Ryan Babbush, Simon C. Benjamin, Suguru Endo, Keisuke Fujii, Jarrod R. McClean, Kosuke Mitarai, Xiao Yuan, Lukasz Cincio และ Patrick J. Coles, “Variational Quantum Algorithms”, arXiv: 2012.09265.
[3] Taylor L. Patti, Khadijeh Najafi, Xun Gao และ Susanne F. Yelin, “Entanglement คิดการบรรเทาที่ราบสูงที่แห้งแล้ง”, การวิจัยทบทวนทางกายภาพ 3 3, 033090 (2021).
[4] Samson Wang, Piotr Czarnik, Andrew Arrasmith, M. Cerezo, Lukasz Cincio และ Patrick J. Coles, “การบรรเทาข้อผิดพลาดสามารถปรับปรุงความสามารถในการฝึกอบรมของอัลกอริทึมควอนตัมที่มีเสียงดังได้หรือไม่”, arXiv: 2109.01051.
[5] Martin Larocca, Nathan Ju, Diego García-Martín, Patrick J. Coles และ M. Cerezo, “ทฤษฎี overparametrization ในเครือข่ายควอนตัมประสาท”, arXiv: 2109.11676.
[6] Johannes Herrmann, Sergi Masot Llima, Ants Remm, Petr Zapletal, Nathan A. McMahon, Colin Scarato, François Swiadek, Christian Kraglund Andersen, Christoph Hellings, Sebastian Krinner, Nathan Lacroix, Stefania Lazar, Michael Kerschbaum, Dante Colao Zanuz Graham J. Norris, Michael J. Hartmann, Andreas Wallraff และ Christopher Eichler, “การตระหนักถึงเครือข่ายนิวรัลควอนตัมคอนโวลูชันนัลบนตัวประมวลผลควอนตัมตัวนำยิ่งยวดเพื่อรับรู้เฟสควอนตัม”, เนเจอร์ คอมมิวนิเคชั่นส์ 13, 4144 (2022).
[7] Dmitry A. Fedorov, Bo Peng, Niranjan Govind และ Yuri Alexeev, "วิธี VQE: การสำรวจสั้น ๆ และการพัฒนาล่าสุด", ทฤษฎีวัสดุ 6 1, 2 (2022).
[8] Tobias Haug, Kishor Bharti และ MS Kim, “ความจุและเรขาคณิตควอนตัมของวงจรควอนตัมพารามิเตอร์”, PRX ควอนตัม 2 4, 040309 (2021).
[9] M. Bilkis, M. Cerezo, Guillaume Verdon, Patrick J. Coles และ Lukasz Cincio, “Ansatz กึ่งไม่เชื่อเรื่องพระเจ้าพร้อมโครงสร้างตัวแปรสำหรับการเรียนรู้ของเครื่องควอนตัม”, arXiv: 2103.06712.
[10] Andrew Arrasmith, Zoë Holmes, M. Cerezo และ Patrick J. Coles, “ความเท่าเทียมกันของที่ราบสูงควอนตัมที่แห้งแล้งทำให้เสียสมาธิและช่องเขาแคบ”, วิทยาศาสตร์และเทคโนโลยีควอนตัม 7 4, 045015 (2022).
[11] Tobias Stollenwerk และ Stuart Hadfield, “การวิเคราะห์ไดอะแกรมสำหรับวงจรควอนตัมที่เป็นพารามิเตอร์”, arXiv: 2204.01307.
[12] Enrico Fontana, Nathan Fitzpatrick, David Muñoz Ramo, Ross Duncan และ Ivan Rungger, “การประเมินความยืดหยุ่นของเสียงของอัลกอริธึมควอนตัมแบบแปรผัน”, การตรวจร่างกาย A 104 2, 022403 (2021).
[13] Kosuke Ito, Wataru Mizukami และ Keisuke Fujii, “ความสัมพันธ์ที่มีความแม่นยำของเสียงสากลในอัลกอริธึมควอนตัมแบบแปรผัน”, arXiv: 2106.03390.
[14] Xiaozhen Ge, Re-Bing Wu และ Herschel Rabitz, “ภูมิทัศน์การเพิ่มประสิทธิภาพของอัลกอริทึมควอนตัมคลาสสิกแบบไฮบริด: จากการควบคุมควอนตัมไปจนถึงแอปพลิเคชัน NISQ”, arXiv: 2201.07448.
[15] Joonho Kim และ Yaron Oz, “Quantum Energy Landscape and VQA Optimization”, arXiv: 2107.10166.
[16] Kun Wang, Zhixin Song, Xuanqiang Zhao, Zihe Wang และ Xin Wang, “การตรวจจับและการหาปริมาณพัวพันบนอุปกรณ์ควอนตัมระยะใกล้”, npj ข้อมูลควอนตัม 8, 52 (2022).
การอ้างอิงข้างต้นมาจาก are อบต./นาซ่าโฆษณา (ปรับปรุงล่าสุดสำเร็จ 2022-09-15 10:08:33 น.) รายการอาจไม่สมบูรณ์เนื่องจากผู้จัดพิมพ์บางรายไม่ได้ให้ข้อมูลอ้างอิงที่เหมาะสมและครบถ้วน
ไม่สามารถดึงข้อมูล Crossref อ้างโดย data ระหว่างความพยายามครั้งล่าสุด 2022-09-15 10:08:32 น.: ไม่สามารถดึงข้อมูลที่อ้างถึงสำหรับ 10.22331/q-2022-09-15-804 จาก Crossref นี่เป็นเรื่องปกติหาก DOI ได้รับการจดทะเบียนเมื่อเร็วๆ นี้
บทความนี้เผยแพร่ใน Quantum ภายใต้ the ครีเอทีฟคอมมอนส์แบบแสดงที่มา 4.0 สากล (CC BY 4.0) ใบอนุญาต ลิขสิทธิ์ยังคงอยู่กับผู้ถือลิขสิทธิ์ดั้งเดิม เช่น ผู้เขียนหรือสถาบันของพวกเขา
