机构名称：
¥ 1.0
摘要 —在近期的噪声中尺度量子（NISQ）时代，高噪声将显著降低量子计算的保真度。更糟糕的是，最近的研究表明，量子设备上的噪声是不稳定的，也就是说，噪声会随时间动态变化。这导致了一个迫在眉睫的挑战性问题：在运行时，有没有办法在不稳定的设备上有效地实现一致的高保真量子系统？为了研究这个问题，我们以量子学习（又名变分量子算法）为载体，它具有广泛的应用，例如组合优化和机器学习。一种直接的方法是使用参数移位方法在目标量子设备上优化变分量子电路（VQC），然后再使用它；然而，优化的时间成本极高，在运行时不切实际。为了解决这个紧迫的问题，在本文中，我们提出了一种新颖的量子
实现一致的高保真量子学习......
主要关键词
相关文件推荐
