XiaoMi-AI文件搜索系统
World File Search SystemQAOA
特定领域的量子架构优化
摘要 — 近年来，随着量子计算的稳步发展，量子处理器升级的路线图在很大程度上依赖于目标量子比特架构。到目前为止，与经典计算的早期类似，这些设计都是由人类专家精心设计的。然而，这些通用架构为定制和优化留出了空间，尤其是在针对流行的近期 QC 应用时。在经典计算中，定制架构已显示出比通用架构显著的性能和能效提升。在本文中，我们提出了一个优化量子架构的框架，特别是通过定制量子比特连接。这是第一项工作，它 (1) 通过将架构优化与最佳编译器相结合来提供性能保证，(2) 在现实串扰误差模型下评估连接定制的影响，以及 (3) 对近期感兴趣的现实电路进行基准测试，例如量子近似优化算法 (QAOA) 和量子卷积神经网络 (QCNN)。通过优化 QAOA 电路的重六边形架构，我们在模拟中实现了高达 59% 的保真度提升，网格架构的保真度提升高达 14%。对于 QCNN 电路，架构优化使重六边形架构的保真度提升了 11%，网格架构的保真度提升了 605%。
奇偶级量子优化：〜编码约束
对优化问题的限制对于许多在科学，技术和行业中遇到的问题至关重要，从调度概率到量子化学[1-8]。量子计算是一种新的计算范式，其目的是通过利用量子现象来增强优化算法，可能会改善现有算法以解决这些问题。然而，量子计算机是在连贯，控制和连接性的[9-14]中限制的，这使得优化问题的编码是该领域当前的宏伟挑战之一。约束是编码challenge的另一个复杂性，通常通过大型能量惩罚[15-17]作为二次术语对它们进行编码，从而导致完全连接的相互作用。这些惩罚介绍了额外的能量量表，在大多数情况下，额外的量子位和与计算的耦合，制作算法，例如量子近似优化算法（QAOA）[18]或量子nealing [19-21] [19-21]，更少的有效。最近的一些作品[22 - 24]提出了更多有效的量子退火，以解决线性平等约束的问题，这是单个旋转变量的纯总和，而惩罚方法适用于一般平等和不平等约束。参考文献[25]通过将其扩展到量子交替的操作员Ansatz，从QAOA中解除了罚款条款，并引入了
量子计算在国防问题中的应用，案例研究
摘要背景和目的：量子技术有可能应用于人类活动的许多领域。其中一个重要领域是国防。量子技术可用于现代战争的所有领域。基于量子算法运行的量子计算机可用于解决许多问题。最大独立集问题应用于科学、工程和工业的各个领域。由于这些问题对于传统计算机来说很难，因此量子算法的使用改进了它们的解决方案。在本文中，使用量子近似优化算法 (QAOA) 检查了加权最大独立集问题的解，并使用该方法解决了雷达定位问题。方法：本研究在目的方面适用，本研究的结果使用基于量子编程的方法呈现。结果：使用量子近似优化算法 (QAOA) 优化算法对加权最大独立集问题进行了建模和求解，该模型已用于雷达定位问题并获得了高精度求解。结论：最大独立集问题属于优化问题领域，具有广泛的应用。这些问题可以用量子优化算法以高精度和高速解决。考虑到量子计算相对于经典计算的优越性，在国防政策中必须特别关注量子技术。关键词：最大独立集问题，变分量子算法，雷达布局
QCE24 已接受的海报——展示时间表
使用 subQUBO 进行多日联运行程规划 带校正处理的退火 使用 Ising 机进行个性化路线选择优化 使用约束 QAOA 解决产品分解结构问题 探索现实世界仓库优化问题中的效用：基于 Quantun 退火器和 Pr 的公式 用于解决容量受限车辆路径问题的混合量子-经典算法 用于物体检测的 QUBO 翻译非最大值抑制的性能分析 用于组织病理学癌症检测的量子驱动防御对抗性攻击 医学诊断中的量子计算：一种用于阿尔茨海默病分类的 QSVM 方法
![arXiv:2408.09083v2 [quant-ph] 2025 年 1 月 8 日 - CyI](/simg/g:\will\search\icon\source\1\1ff69a8fc848debb986e4e7ecad0601da49e4af9.webp)
arXiv:2408.09083v2 [quant-ph] 2025 年 1 月 8 日 - CyI
使用经典计算获得组合优化问题的精确解需要耗费大量的计算资源。该领域的现行原则是量子计算机可以更有效地解决这些问题。虽然有前景的算法需要容错量子硬件，但变分算法已经成为近期设备的可行候选者。这些算法的成功取决于多种因素，其中假设的设计至关重要。众所周知，量子近似优化算法（QAOA）和量子退火等流行方法存在绝热瓶颈，导致电路深度或演化时间更长。另一方面，虚时间演化的演化时间受哈密顿量的逆能隙所限制，对于大多数非关键物理系统来说，该能隙是常数。在这项工作中，我们提出了受量子虚时间演化的启发的虚哈密顿变分假设（i HVA）来解决 MaxCut 问题。我们引入了参数化量子门的树形排列，从而能够使用一轮 i HVA 精确解决任意树形图。对于随机生成的 D 正则图，我们通过数值证明 i HVA 以较小的常数轮数和亚线性深度解决了 MaxCut 问题，优于 QAOA，后者需要轮数随图大小而增加。此外，我们的假设可以精确解决最多 24 个节点且 D ≤ 5 的图的 MaxCut，而经典的近最优 Goemans-Williamson 算法只能得出近似解。我们通过硬件演示在具有 67 个节点的图上验证了我们的模拟结果。
用于模拟量子多态性的张量网络方法...
3.2 使用不同优化方法计算 QAOA 假设状态的张量网络线图。“默认”和“对角线”分别显示使用全矩阵门和对角线门方法的图 3.1 所示电路的张量网络线图。“ZZ 门 + 对角线”是通过在应用公式 3.4 获得的简化量子电路上使用对角线门方法获得的。该图演示了如何通过改进量子算法到张量网络的转换来降低网络的复杂性，从而为寻找收缩阶和收缩本身提供加速。....................................................................................................................................................................................................................................................................36
量子计算
示例 - 在机场的优化是具有量子优势的用例，慕尼黑机场的QAR-LAB已经确定了门分配问题（差距，优化问题，将飞行证人分配给门口）。在小规模上，我们使用QAOA对D-Wave系统的量子退火硬件以及公司Rigetti和IBM公司的量子计算机进行了建模和执行。对于2号航站楼机场的生产运营，根据QUBO建模计算了12,500 QUAT。这应该是逻辑Qubit，Google 2假设其超导技术需要1,000个物理量子来实施逻辑Qubis，麦肯锡3个名字1,000-10,000，这是技术特定技术的。与Tu Delft合作，我们考虑如何有效地进行误差校正，因此需要少于10 3-10 4的物理量子。此外，连贯性时间为
玻色子量子处理器上量子启发式的数值门合成
最近，人们对量子最优控制和变分量子算法相互作用的兴趣和见解激增。我们在量子比特的背景下研究该框架，例如，量子比特可定义为与传输器耦合的超导腔系统的可控电磁模式。通过采用 (Petersson and Garcia, 2021) 中描述的最新量子最优控制方法，我们展示了对多达八个状态的单量子比特操作和两个量子比特操作的控制，分别映射到谐振器的单个模式和两个模式。我们讨论了对参数化门的封闭系统进行数值脉冲工程的结果，这些门可用于实现量子近似优化算法 (QAOA)。结果表明，对于大多数研究案例，在足够的计算努力下，可以实现高保真度 (> 0.99)，并且可以扩展到多种模式和开放的噪声系统。定制的脉冲可以被存储起来并用作电路量子电动力学 (cQED) 系统中未来编译器的校准原语。