XiaoMi-AI文件搜索系统
World File Search SystemAnsatz
用于电子结构计算的量子比特耦合簇单和双变分量子特征求解器假设
摘要 用于电子结构计算的变分量子特征值求解器 (VQE) 被认为是近期量子计算的主要潜在应用之一。在所有提出的 VQE 算法中，酉耦合团簇单双激发 (UCCSD) VQE 拟定实现了高精度并引起了很多研究兴趣。然而，基于费米子激发的 UCCSD VQE 在使用 Jordan-Wigner 变换时需要额外的宇称项。这里我们引入了一种新的基于粒子保留交换门的 VQE 拟定器来实现量子比特激发。对于全到全连接，所提出的 VQE 拟定器的门复杂度上界为 O(n4)，其中 n 是哈密顿量的量子比特数。使用所提出的 VQE 假设对简单分子系统（如 BeH 2、H 2 O、N 2、H 4 和 H 6）进行数值计算，可以得到非常准确的结果，误差约为 10 − 3 Hartree。
量子耦合群集单打和双倍的量子量子本质量ANSATZ用于电子结构计算
用于电子结构计算的变异量子本质量（VQE）被认为是近期量子计算的主要潜在应用。在所有拟议的VQE算法中，统一的耦合群集单打和双打激发（UCCSD）VQE ANSATZ达到了很高的准确性，并获得了很多研究兴趣。但是，使用Jordan-Wigner Transformation时，基于费米子激发的UCCSD VQE需要额外的术语。在这里，我们基于保留粒子的交换门引入了一个新的VQE ANSATZ，以实现量子激励。所提出的VQE ANSATZ的栅极复杂性向上延伸至O（n 4），其中n是哈密顿量的量子数。使用拟议的VQE ANSATZ使用简单分子系统（例如BEH 2，H 2 O，N 2，H 4和H 6）的数值结果，在约10-3 Hartree的误差中非常准确地结果。
![arxiv：2107.02789v2 [Quant -ph] 7月7日 - Orbilu](/simg/g:\will\search\icon\source\2\24be51af12d45343423d28f015ebc68573ec84f8.webp)
arxiv：2107.02789v2 [Quant -ph] 7月7日 - Orbilu
量子近似优化算法（QAOA）已被证明是一种有效的经典量词算法，从解决组合优化问题到找到多体量子系统的基础状态。由于QAOA是ANSATZ依赖性算法，因此总是需要设计ANSATZ以更好地优化。为此，我们提出了通过使用捷径为绝热性来增强QAOA的数字化版本。特别是，我们使用反磨蚀（CD）驾驶术语来设计更好的Ansatz，以及Hamiltonian和混合术语，从而增强全球性能。 我们将数字化 - 纯化的QAOA应用于Ising模型，经典优化问题和P -Spin模型，这表明在我们研究的所有情况下，它都胜过标准的QAOA。特别是，我们使用反磨蚀（CD）驾驶术语来设计更好的Ansatz，以及Hamiltonian和混合术语，从而增强全球性能。我们将数字化 - 纯化的QAOA应用于Ising模型，经典优化问题和P -Spin模型，这表明在我们研究的所有情况下，它都胜过标准的QAOA。
解决量子标志结构的神经网络演化策略
馈送前向神经网络是相关多体量子系统的新型变异波函数。在这里，我们提出了一个适用于具有实值波函数的系统的特定神经网络ANSATZ。它的特征是编码具有离散输出的卷积神经网络中量子波函数的最重要的坚固符号结构。通过进化算法实现其训练。我们在两个Spin-1 /2 Heisenberg型号上测试了我们的变异ANSATZ和训练策略，一种在二维方形晶格上，一个在三维的Pyrochlore晶格上。在前者中，我们的安萨兹（Ansatz）以高精度收敛到有序相的分析符号结构。在后者中，这种符号结构是未知的，我们获得的变异能量比其他神经网络状态更好。我们的结果证明了离散神经网络解决量子多体问题的实用性。
参数量子电路的维度表达分析
参数量子电路在许多变量量子算法的性能中起着推动作用。为了完全实现此类算法，必须设计有效的量子电路，这些电路能够足够近似于解决方案空间，同时保持较低的参数计数和电路深度。在本文中，开发了一种分析参数量子电路的维度的方法。我们的技术允许在电路布局中识别出浮力参数，并获得最大表达式的ANSATZ，该ANSATZ具有最少数量的参数。使用杂种量子古典式插入，我们展示了如何使用Quantum硬件进行表达分析，并提供了有关IBM量子硬件的原理证明的证明。我们还解散了对称性的效应和示例如何从参数化的ANSATZ中结合或去除符号。
数字化反绝热量子近似优化算法
量子近似优化算法 (QAOA) 已被证明是一种有效的经典量子算法，可用于多种用途，从解决组合优化问题到寻找多体量子系统的基态。由于 QAOA 是一种依赖于 Ansatz 的算法，因此始终需要设计 Ansatz 以实现更好的优化。为此，我们提出了一种数字化版本的 QAOA，通过使用绝热的捷径来增强该版本。具体而言，我们使用反绝热 (CD) 驱动项来设计更好的 Ansatz，以及哈密顿量和混合项，以提高整体性能。我们将数字化 CD QAOA 应用于 Ising 模型、经典优化问题和 P 自旋模型，证明它在我们研究的所有情况下都优于标准 QAOA。
对Landau -Zener动态的深度学习方法...
传统的方法可以使用高精度的开放量子系统的动力学，通常是资源消耗的。如何提高目标系统的计算精度和效率为我们带来了最艰难的挑战之一。在这项工作中，将无监督和监督的学习算法结合在一起，引入了深入学习方法，以模拟和预测Landau-Zener动力学。从多个Davydov D 2 Ansatz获得的数据较低的四个ANSATZ用于训练，而来自十个较高多重性的试验状态的数据被用作目标数据来评估预测的准确性。经过适当的训练后，我们的方法可以仅使用随机噪声和两个可调模型参数成功预测和模拟Landau-Zener动力学。与来自多个Davydov D 2 Ansatz的高精度动力学数据相比，多种多数为十个，错误率降至0.6％以下。
量子计算机上激发态计算的量子轨道最小化方法
摘要：我们提出了一种量子-经典混合变分算法，即量子轨道最小化方法（qOMM），用于获得厄米算子的基态和低激发态。给定表示本征态的参数化拟设电路，qOMM 实现量子电路来表示轨道最小化方法中的目标函数，并采用经典优化器根据拟设电路中的参数最小化目标函数。目标函数具有隐式嵌入的正交性约束，这使得 qOMM 可以对每个输入参考态应用不同的拟设电路。我们进行了数值模拟，试图使用 UCCSD 拟设电路在 STO-3G 基中寻找 H 2 、LiH 和由四个氢原子排列成方格的玩具模型的激发态。将数值结果与现有的激发态方法进行比较，qOMM 不太容易陷入局部最小值，并且可以通过更浅的假设电路实现收敛。
多角度量子近似优化算法
量子近似优化算法 (QAOA) 使用由量子演化的参数化层定义的变分拟设电路来生成组合优化问题的近似解。理论上，随着拟设深度的增加，近似度会提高，但门噪声和电路复杂性在实践中会损害性能。在这里，我们研究了一种 QAOA 的多角度拟设，它通过增加经典参数的数量来减少电路深度并提高近似率。即使参数数量增加，我们的结果表明，对于我们考虑的测试数据集，可以在多项式时间内找到好的参数。与 QAOA 相比，这种新的拟设使无限系列 MaxCut 实例的近似率提高了 33%。最佳性能的下限由传统拟设确定，我们针对八个顶点的图给出了经验结果，即多角度拟设的一层与 MaxCut 问题上传统拟设的三层相当。类似地，在 50 个和 100 个顶点图上的 MaxCut 实例集合上，多角度 QAOA 在相同深度下比 QAOA 产生更高的近似率。许多优化参数被发现为零，因此可以从电路中移除它们相关的门，从而进一步降低电路深度。这些结果表明，与 QAOA 相比，多角度 QAOA 需要更浅的电路来解决问题，使其更适合近期的中型量子设备。
变分量子算法中噪声引起的荒芜高原
变分量子算法 (VQA) 可能是在嘈杂的中型量子 (NISQ) 计算机上实现量子优势的一条途径。一个自然的问题是 NISQ 设备上的噪声是否会对 VQA 性能造成根本限制。我们严格证明了嘈杂的 VQA 的一个严重限制，即噪声导致训练景观出现贫瘠高原（即梯度消失）。具体而言，对于考虑的局部泡利噪声，我们证明如果假设的深度随 n 线性增长，则梯度会在量子比特数 n 中呈指数消失。这些噪声引起的贫瘠高原 (NIBP) 在概念上不同于无噪声贫瘠高原，后者与随机参数初始化有关。我们的结果是为通用假设制定的，其中包括量子交替算子假设和酉耦合簇假设等特殊情况。对于前者，我们的数值启发式方法证明了现实硬件噪声模型的 NIBP 现象。