XiaoMi-AI文件搜索系统
World File Search SystemAnsatzes
跨量子电路设计的加固学习
抽象变分量子算法（VQA）广泛用于解决嘈杂的中间尺度量子（NISQ）时代的优化问题。但是，设计与当前量子硬件的局限性兼容的有效量子电路（Ansatzes）仍然是一个重大挑战。在这项工作中，我们引入了一种加强学习（RL）代理，该学习代理自主为VQAS生成Ansatzes。RL代理在不同的图形拓扑中培训了几个优化问题，包括最大切割，最大集团和最小顶点盖。我们的结果表明，该代理能够生成有效的量子电路，其近似值比与常用的Ansatz相比有利。此外，我们确定了一个新型的Ansatzes家族，称为“连接”，特别有效地对最大切割问题有效。这些发现突出了RL技术在为量子计算中广泛应用的有效量子电路设计有效的量子电路中的潜力。
基于汉密尔顿的量子强化学习用于神经组合优化
摘要 — 量子计算 (QC) 和神经组合优化 (NCO) 的进步代表着解决复杂计算挑战的有希望的步骤。一方面，变分量子算法（例如 QAOA）可用于解决各种组合优化问题。另一方面，同一类问题可以通过 NCO 解决，这种方法已显示出有希望的结果，特别是自引入图神经网络以来。鉴于这两个研究领域的最新进展，我们引入了基于汉密尔顿的量子强化学习 (QRL)，这是一种 QC 和 NCO 交叉的方法。我们直接根据组合优化问题的汉密尔顿公式对我们的假设进行建模，这使我们能够将我们的方法应用于广泛的问题。与硬件高效模拟相比，我们的模拟表现出良好的可训练性，同时与以前的方法不同，它不限于基于图的问题。在这项工作中，我们评估了基于汉密尔顿的 QRL 在一系列组合优化问题上的表现，以证明我们的方法的广泛适用性，并将其与 QAOA 进行比较。索引术语 — 量子强化学习、组合优化、神经组合优化
量子电路设计：量子算法设计的抽象和重用模式
摘要 —量子计算有可能通过有效解决复杂问题而彻底改变各个领域。其核心是量子电路，即操纵量子态的量子门序列。在量子算法设计中，选择正确的量子电路假设至关重要，它定义了初始电路结构并作为优化技术的基础。本文介绍了一个分类的量子电路假设目录，旨在支持量子算法的设计和实现。每个假设都详细描述了意图、动机、适用性、电路图、实现、示例，另请参阅。提供了实际示例来说明它们在量子算法设计中的应用。该目录旨在通过提供对不同假设的优势和局限性的见解来协助量子算法设计者，从而促进特定任务的决策。索引术语 —假设、量子电路、设计模式、量子算法
变分的安全云量子计算
变异量子算法（VQA）被认为是嘈杂的中间尺度量子（NISQ）设备的有用应用。通常，在VQA中，参数化的ANSATZ电路用于生成试验波函数，并且对参数进行了优化以最大程度地减少成本函数。另一方面，已经研究了盲量量计算（BQC），以便通过使用云网络为量子算法提供安全性。执行量子操作能力有限的客户端希望能够访问服务器的量子计算机，并且BQC允许客户端使用服务器的计算机，而不会泄漏客户端的信息（例如输入，运行量子算法和输出）到服务器。但是，BQC设计用于容差量子计算，这需要许多辅助量子位，这可能不适合NISQ设备。在这里，我们提出了一种有效的方法，可以为客户端提供保证安全性的NISQ计算。在我们的体系结构中，仅需要N +1量子位，假设服务器已知Ansatzes的形式，其中N表示原始NISQ算法中必要的量子数。客户端仅在从服务器发送的辅助量子位上执行单量测量，并且测量角可以指定NISQ算法的ANSATZES的参数。无信号原则可以保证客户端选择的参数或算法的输出都不会泄漏到服务器。这项工作为NISQ设备的新应用程序铺平了道路。
汽车驱动电池大数据老化分析，用于固定应用分类
利用发达的大数据方法，可以调查和评估存储设备的老化行为。通过在线读取和分类状态变量，无需拆除存储设备即可监测老化过程。使用大数据方法，所有车辆可分为七个集群。 0 – 6 类集群中分配的驾驶员类型在老化行为方面有所不同。根据疲劳程度，固定
多目标量子汇编算法
变异量子算法（VQA）如量子近似优化算法（QAOA），变异量子本元素（VQE），量子神经网络（QNN）和量子汇编（QC），可用于求解对噪声中量表量量标准量量表的实用任务（NISQ）的实用任务，这是有希望的。最近的成就证明了量子态制备2 - 6，量子动态模拟2、7-9和量子计量学10-14的有效性。QC，特别是获得了显着的利益。它使用培训过程将信息从未知目标统一转换为可训练的已知统一15，16。此方法具有各种应用，包括盖茨优化15，量子辅助编译16，连续变量的量子学习17，Quantu-State State polagrogrich 18和量子对象模拟2。例如，可以使用QC 2在量子电路中模拟量子对象（例如量子状态）。QC的性能取决于量子数和电路深度的数量。Ansatzes（可训练的量子电路）的选择也至关重要，必须仔细选择。一些纠缠
用量子函数配置表征量子电路
摘要：我们提出了一种用量子功能配置来表征量子电路的理论。任何量子电路都可以分解为1 Quit统一门和CNOT大门的交替序列。每个CNOT序列都将当前量子状态准备成量子函数配置层，以指定下一个有关如何共同修改状态向量条目的下一个1 Qubit单位序列的规则。量子电路上的所有功能配置层都定义了其类型，该类型可能包括许多其他共享相同配置层的电路。研究功能配置类型使我们能够集体表征许多量子电路的属性和行为。我们演示了该理论在变化量子算法的硬件有效的Ansatzes中的应用。对于潜在应用，功能配置理论可以根据其功能配置类型的量子算法进行系统的理解和开发。
使用原型量子计算机模拟磁分子的静态和动态特性
摘要：磁分子是研究特殊量子机械现象的典型系统。因此，由于系统尺寸的指数增加，模拟其静态和动力学行为对于经典计算机来说本质上很难。量子计算机通过提供适合描述这些磁系统的固有量子平台来解决此问题。在这里，我们表明，基于超导端子的原型量子计算机，都可以在原型量子计算机上模拟磁性分子的基态性能和自旋动力学。特别是我们研究了小型的抗铁磁性旋转链和环，这是这些开拓设备的理想测试床。我们使用各种量子本质量算法来确定基态波功能，并用靶向的ansatzes填充了所研究模型的自旋对称性。通过计算动力学相关函数来模拟相干自旋动力学，这是提取许多实验可访问属性（例如无弹性中子中子横截面）的重要成分。
交替分层变分量子电路可以利用经典阴影进行有效的经典优化
变分量子算法 (VQA) 是经典神经网络 (NN) 的量子模拟。VQA 由参数化量子电路 (PQC) 组成，该电路由多层假设（更简单的 PQC，与 NN 层类似）组成，这些假设仅在参数选择上有所不同。先前的研究已将交替分层假设确定为近期量子计算中潜在的新标准假设。事实上，浅层交替分层 VQA 易于实现，并且已被证明既可训练又富有表现力。在这项工作中，我们引入了一种训练算法，可指数级降低此类 VQA 的训练成本。此外，我们的算法使用量子输入数据的经典阴影，因此可以在具有严格性能保证的经典计算机上运行。我们证明了使用我们的算法在寻找状态准备电路和量子自动编码器的示例问题中将训练成本提高了 2-3 个数量级。
利用自适应变分量子动力学计算多体格林函数
摘要：我们提出了一种使用自适应变分量子动力学模拟方法计算多体实时格林函数的方法。实时格林函数涉及带有一个额外电子的量子态相对于基态波函数的时间演化，该波函数首先表示为状态向量的线性 - 线性组合。通过将各个状态向量的动态组合成线性组合，可以获得实时演化和格林函数。使用自适应协议使我们能够在运行模拟时即时生成紧凑的假设。为了提高光谱特征的收敛性，应用了 Pade 近似值来获得格林函数的傅里叶变换。我们在 IBM Q 量子计算机上演示了格林函数的评估。作为我们错误缓解策略的一部分，我们开发了一种分辨率增强方法，并成功地将其应用于来自实量子硬件的噪声数据。