XiaoMi-AI文件搜索系统
World File Search SystemAnsatz
量子启发的算法，用于单一耦合群集理论的分解形式
摘要：统一耦合簇理论（UCC）的分解形式是一种有前途的波功能ANSATZ，用于变异量子本质量算法。在这里，我们基于单个UCC因子的精确操作员身份，为UCC提供了一种量子启发的经典算法。我们实现了该算法，用于计算H 10线性链和H 2 O分子，具有单ζ基集和双ζ基集，以作为波功能的ANSATZ提供洞察力。我们发现，对于弱相关的分子，UCC的分解形式提供了与常规耦合簇理论（CC）相似的精度。对于密切相关的分子，CC经常分解，UCC显着超过了配置相互作用（CI）ANSATZ。因此，在弱相关的区域中，UCC的分解形式是准确，有效且可靠的电子结构方法。现在，该经典算法允许对量子计算机的预期结果以及将耦合群集技术应用于更紧密相关的分子的预期结果。
量子计算优势，具有1D对称保护拓扑顺序的字符串顺序参数
Ansatz电路的自适应构造是在近期量子硬件上通向适用的变异量子本质量的有希望的途径。那些算法旨在为某个问题建立最佳电路，而Ansatz电路是通过从预定的池中选择和添加缠绕器来自适应构建的。在这项工作中，我们提出了一种通过利用经典算法来构造尺寸降低的缠绕池的方法。我们的方法在经典近似基态的Qubits之间使用共同信息来排名和筛选缠绕器。密度矩阵重归其化组方法用于这项工作中的经典预启用。我们在小分子上以数值来证实我们的方法。我们的数值实验表明，与原始缠绕池的一小部分相同的数值准确性减少了缠绕池。我们认为，我们的方法铺平了一种新方法，用于自适应构造Ansatz电路，用于各种量子算法。
b'其次，我们定义一个模拟元素池 P ( \xcb\x9c A, N MO )，其中包含所有独特的单量子比特和双量子比特激发演化，分别为 180 \xcb\x9c A ik ( \xce\xb8 ) 和 \xcb\x9c A ijkl ( \xce\xb8 )，其中 i、j、k、l \xe2\x88\x88{ 0 , N MO \xe2\x88\x92 1 } 。该池的大小为 || P ( \xcb\x9c A, N MO ) || = N MO 2 +3 N MO 4 。181'
b'其次，我们定义一个模拟元素池 P ( \xcb\x9c A, N MO )，其中包含所有独特的单量子比特和双量子比特激发演化，分别为 180 \xcb\x9c A ik ( \xce\xb8 ) 和 \xcb\x9c A ijkl ( \xce\xb8 )，其中 i、j、k、l \xe2\x88\x88{ 0 , N MO \xe2\x88\x92 1 } 。该池的大小为 || P ( \xcb\x9c A, N MO ) || = N MO 2 +3 N MO 4 。181'
用于计算化学的噪声量子电路的数值模拟
摘要 近期量子计算机计算小分子基态特性的机会取决于计算拟设的结构以及设备噪声引起的误差。在这里，我们使用数值模拟研究这些噪声量子电路的行为，以估计准备好的量子态相对于通过常规方法获得的基本事实的准确性和保真度。我们实现了几种不同类型的拟设电路，这些电路源自酉耦合簇理论，目的是使用变分量子特征求解算法估计氢化钠的基态能量。我们展示了能量和保真度的相对误差如何随着基于门的噪声水平、核间配置、拟设电路深度和参数优化方法的变化而变化。
分子波的人工神经网络编码
材料建模的人工神经网络（ANN）获得了显着的兴趣。我们报告了基于Boltzmann机器（BM）体系结构对ANSATZ的ANSATZ的ANSATZ的改编，用于量子化学计算[Yang等，J。Chem。理论计算。，2020，16，3513–3529]。在这里，这项研究将其扩展的形式主义提出了量子算法，该算法可以通过量子门制备NQ。ANN模型的描述符被选为电子配置的占领，是用量子机械代表的。我们的算法可能具有与先前研究中使用的基于经典抽样的组合相比的潜在优势。可以使用量子本机程序准确地形成NQ。仍然，在能量最小化方面对模型的训练有效地在经典计算机上进行。因此，我们的方法是一类变异的量子本素。BM模型与Gibbs的分布有关，我们的准备程序利用了量子相估计的技术，但没有哈密顿的进化。通过在量子计算机模拟器上实现该算法来评估所提出的算法。显示了理论的完整空间配置相互作用水平的说明性分子计算，并确定了与我们先前经典方法的准确性的一致性。
稀疏的量子状态准备，以牢固相关...
图3：（a）在2。CVO-QRAM算法从CIPSI迭代以及从基态截断（TGS）中得出的状态产生的状态。使用Qeb-和Qeb-和Qubit-pool近似于基态。（b）在相同目标的迭代上，重叠 - adapt-vqe ansatz的保真度。
量子系统上的机器学习
工作流程：1。使用统一门𝑆（𝑥）将数据嵌入量子系统2。使用参数化门的块（称为ANSATZ）作为电路3的可训练部分。在系统4上进行测量。在系统4上进行测量。在经典计算机上使用优化器来更新参数
![arxiv：2311.10613v3 [Quant-ph] 2024年3月7日](/simg/g:\will\search\icon\source\a\ac72f57c63cc341c42001f022e01852c3496cc94.webp)
arxiv：2311.10613v3 [Quant-ph] 2024年3月7日
量子计算机本质上受噪声的影响。虽然在长期误差校正代码中将以增加物理速度的成本来解释噪声，但应在噪声存在下测试和模拟任何量子算法的近期性能。作为噪声作用于硬件，量子算法的经典模拟不应在用于计算的平台上不可知。在这项工作中，我们应用了最近提出的嘈杂门方法来有效模拟双轨框架中描述的嘈杂的光电电路。直接模拟状态向量的演变，而无需映射到密度矩阵框架。值得注意的是，我们在基于栅极和基于测量的量子计算模型上测试了该方法，表明该方法非常通用。我们还评估了光子变分量子算法的性能，以解决最大2切割问题。特别是我们设计并模拟了一个ANSATZ，该ANSATZ对光子的损失有抵抗力，最高为p〜10-3，使其与近期应用相关。
![arxiv：2401.02355v1 [Quant-ph] 2024年1月4日](/simg/g:\will\search\icon\source\d\d6bdb8f49131806733e5a9ee48e9f7a807f79467.webp)
arxiv：2401.02355v1 [Quant-ph] 2024年1月4日
适用于找到哈密顿量的基态的变异量子量化算法（VQE）算法特别适合在嘈杂的中间尺度量子（NISQ）设备上部署。在这里，我们使用量子电路ANSATZ利用VQE算法，灵感来自密度基质重质化组（DMRG）算法。改善逼真的噪声对方法的性能的影响，我们采用了零噪声外推。我们发现，通过现实的错误率，我们的DMRG-VQE混合算法为强相关系统提供了良好的结果。我们使用海森堡模型在Kagome晶格贴片上说明了我们的方法，并证明了DMRG-VQE混合方法可以定位，并忠实地代表了此类系统的基础状态。此外，此工作中使用的参数化ANSATZ电路的深度很低，需要相当少量的参数，因此对于NISQ设备来说是有效的。