XiaoMi-AI文件搜索系统
World File Search SystemNISQ
一种用于高效量子机器学习的改进去极化方法
摘要：嘈杂中型量子 (NISQ) 时代的量子计算已在机器学习、优化和密码学中展现出良好的应用前景。尽管取得了这些进展，但由于系统噪声、错误和退相干，挑战依然存在。这些系统噪声使量子系统的模拟变得复杂。去极化通道是模拟量子系统噪声的标准工具。然而，当我们的硬件资源有限时，为实际应用建模这种噪声在计算上是昂贵的，就像在 NISQ 时代的情况一样。这项工作提出了一种单量子位去极化通道的改进表示。我们的改进通道使用两个仅基于 X 和 Z Pauli 矩阵的 Kraus 运算符。我们的方法将每个通道执行的计算复杂度从六次矩阵乘法降低到四次。在 Iris 数据集上对量子机器学习 (QML) 模型进行的实验跨越各种电路深度和去极化率，验证了我们的方法在提高效率的同时保持了模型的准确性。这种简化的噪声模型使得去极化下的量子电路模拟更具可扩展性，从而提高了 NISQ 时代的能力。
利用超导量子的量子临界性
量子临界性源自许多相互作用的量子粒子的集体行为，通常发生在物质不同相之间的过渡阶段。它是凝聚态物理学的基石之一，我们利用动态驱动的现象在嘈杂的中尺度 (NISQ) 量子设备上访问它。我们通过 Kibble-Zurek 过程探测可编程超导量子芯片上一维量子 Ising 模型的临界特性，获得缩放定律，并估计临界指数，尽管硬件上存在固有的错误源。此外，我们研究了 NISQ 计算机的改进（更多量子比特，更少噪声）将如何巩固这些通用物理属性的计算。单参数噪声模型捕捉了缺陷的影响并重现了实验数据。其系统研究表明，噪声与温度类似，在系统中引入了新的长度尺度。我们引入并成功验证了修改后的缩放定律，直接考虑了噪声，而无需任何先验知识。它使提取物理属性的数据分析对噪声透明。通过了解不完美的量子硬件如何改变物质量子态的真正属性，我们大大增强了 NISQ 处理器解决量子临界性以及其他潜在现象和算法的能力。
分子旋转矩矩形的嵌入式量子纠正和受控的相位门
量子计算技术的最新进展已导致嘈杂的中间量子量子计算机（NISQ 1）的实现，其性能出色。2–8但是，NISQ设备只是迈向实现量表的通用量子计算机的一半。这不可避免地需要支撑量子校正（QEC）的逻辑单元，9一个目标，其成就超出原理级别的成就似乎与当前的技术能力相距甚远。的确，基于多量表编码的标准QEC代码会大大增加物理量子和操作的数量，从而使对这种平台的控制非常苛刻。在这里，我们基于利用罪恶的多级对象来编码受错误保护的逻辑量子的基础，采用不同的方法。10
机器学习辅助构建用于噪声量子硬件的浅深度动态假设
门保真度。然而，这些方法中的大多数通常需要大量的预电路测量，这会显著增加计算开销。此外，NISQ 架构的噪声可以从根本上改变动态电路的设计。从池中选择运算符和由此产生的幺正运算可能会与最佳结果有显著偏差，因为它的构造高度依赖于测量（当使用 NISQ 硬件时会产生误差）。因此，在构建动态假设时，减少量子资源的利用至关重要。在这方面，我们应该优先使用基于第一性原理或借助机器学习的方法。这些方法有可能绕过 NISQ 架构带来的任何挑战，避免潜在的陷阱。在这项工作中，我们介绍了一种新方法，它将无监督机器学习 (ML) 技术与基于多体微扰理论的第一性原理策略相结合。最终成果是一个动态构建的假设，它在紧凑性和表现力之间取得了非凡的平衡，所有这些都是在没有大量预电路测量负担的情况下实现的。这个紧凑的假设让我们能够获得分子能量和波函数，这对于准确评估各种分子特性至关重要。它使我们能够探索目前传统计算机无法触及的新化合物和现象。
![arXiv:2405.07592v4 [quant-ph] 2024 年 7 月 19 日](/simg/g:\will\search\icon\source\d\d4655fd5f3f04fdd9e47ca0b0b728f7836f4a618.webp)
arXiv:2405.07592v4 [quant-ph] 2024 年 7 月 19 日
对抗噪声对于 NISQ 设备展示实际量子应用至关重要。在这项工作中，我们基于密度矩阵的矢量化给出了一种新的量子误差缓解范式。与试图从嘈杂的量子态中提取无噪声信息的现有量子误差缓解方法的思路不同，我们的提议直接改变了信息编码的方式，将嘈杂量子态的密度矩阵映射到无噪声的纯态，这是通过一种新颖的、NISQ 友好的测量协议和经典的后处理程序实现的。我们的协议不需要了解噪声模型，不需要调整噪声强度的能力，也不需要复杂受控单元的辅助量子位。在我们的编码下，NISQ 设备始终准备纯量子态，这是变分量子算法在许多任务中具有良好性能所高度期望的资源。我们展示了如何将该协议很好地融入变分量子算法中。我们给出了几个适合我们提议的具体假设构造，并对采样复杂性、可表达性和可训练性进行了理论分析。我们还讨论了该协议如何受到大噪声的影响以及如何将其与其他量子误差缓解协议很好地结合起来。各种数值实验证明了我们提出的协议的有效性。
量子纠错入门
摘要 — 在当前的嘈杂中尺度量子 (NISQ) 量子计算时代，量子比特技术容易出现缺陷，从而导致各种错误，例如门错误、退相干/失相、测量错误、泄漏和串扰。这些错误对在 NISQ 设备中实现无错误计算提出了挑战。针对此问题提出的解决方案是量子纠错 (QEC)，旨在通过三步过程纠正损坏的量子比特状态：(i) 检测：识别错误的存在，(ii) 解码：精确定位受影响量子比特的位置，以及 (iii) 校正：将故障量子比特恢复到其原始状态。QEC 是一个不断扩展的研究领域，涵盖了复杂的概念。在本文中，我们旨在全面回顾量子纠错的历史背景、现状和未来前景，以满足对量子物理及其相关数学概念不太熟悉的计算机科学家的需求。在本研究中，我们 (a) 解释 QEC 的基本原理并探索用于纠正量子比特错误的现有量子纠错码 (QECC)，(b) 探索这些 QECC 在实施和纠错质量方面的实用性，以及 (c) 强调在当前 NISQ 计算机环境下实施 QEC 所面临的挑战。索引术语 — 量子纠错、量子计算、纠错码
安全授权量子计算的分布式体系结构
量子计算已经从理论到实践[1，2]进行了广泛的研究。被广泛接受的是，嘈杂的中间量子量子（NISQ）计算机可能在未来几十年中可用[3]。但是，NISQ设备的有限量子内存意味着它们可能没有能力处理大规模量子信息处理。这显然是一个严重的限制，因为许多实际问题，例如机器学习，通常需要大量的内存开销。克服这一障碍的可行方法是利用分布式体系结构进行量子计算[4]。也就是说，使用一组由经典和量子网络互连的小规模量子计算机来实现大型量子计算任务。但是，考虑到构建量子计算机的巨大成本，普通消费者在可预见的未来不可能负担得起NISQ计算机。实际上，人们普遍认为，量子计算机的作用类似于当今的经典超级计算机，这意味着只有少数组织或企业可以拥有量子计算机。因此，对于普通客户而言，访问量子计算机的更好方法是将其计算委托给提供量子计算作为云服务的公司。的确，这种计算模式已应用于当今的互联网，例如IBM量子平台[5]。授权量子计算实际上与分布式量子计算密切相关[4]。委派计算中的客户对服务器模式自然属于
SQUARE：通过经济高效的非计算实现模块化量子程序的战略量子辅助重用
摘要 — 将高级量子程序编译到大小受限（即量子比特数量有限）和时间受限（即量子操作数量有限）的机器中是一项挑战。在本文中，我们介绍了 SQUARE（战略量子辅助重用），这是一种编译基础架构，用于解决模块化量子程序中临时量子比特（称为辅助）的分配和回收问题。SQUARE 的核心是战略性地执行非计算以创造量子比特重用的机会。当前的嘈杂中型量子 (NISQ) 计算机和前瞻性的容错 (FT) 量子计算机具有根本不同的约束，例如数据局部性、指令并行性和通信开销。我们基于启发式的辅助重用算法平衡了这些考虑因素，并将计算纳入资源受限的 NISQ 或 FT 量子机，并在必要时限制并行性。为了精确捕获程序的工作量，我们提出了一个改进的指标，即“活动量子体积”，并使用该指标来评估我们算法的有效性。我们的结果表明，SQUARE 将 NISQ 应用程序的平均成功率提高了 1.47 倍。令人惊讶的是，用于未计算的额外门创建了具有更好局部性的辅助门，并导致交换门大大减少，总体上门噪声也更低。SQUARE 还实现了 FT 机器的活动量子体积平均减少 1.5 倍（最高 9.6 倍）。索引术语 — 量子计算、编译器优化、可逆逻辑综合