XiaoMi-AI文件搜索系统
World File Search SystemVQE
来自深度量子电路的抗噪基态能量估计
在容错方面，量子计算的实用性将取决于量子算法中噪声影响的可避免程度。混合量子-经典算法（如变分量子特征值求解器 (VQE)）是为短期方案设计的。然而，随着问题规模的扩大，VQE 结果通常会因当今硬件上的噪声而变得杂乱。虽然错误缓解技术在一定程度上缓解了这些问题，但迫切需要开发对噪声具有更高鲁棒性的算法方法。在这里，我们探索了最近引入的量子计算矩 (QCM) 方法对基态能量问题的鲁棒性，并通过分析示例展示了底层能量估计如何明确地滤除非相干噪声。受此观察的启发，我们在 IBM Quantum 硬件上为量子磁性模型实现了 QCM，以检查随着电路深度的增加噪声过滤效果。我们发现 QCM 保持了极高程度的误差稳健性，而 VQE 则完全失效。在量子磁性模型中，对于多达 20 个量子比特的超深试验态电路（最多 500 个 CNOT），QCM 仍然能够提取合理的能量估计值。大量实验结果支持了这一观察结果。要达到这些结果，VQE 需要在错误率上将硬件改进大约 2 个数量级。
tencirchem：NISQ ERA的有效量子计算化学包
量子计算利用量子效应来存储和处理数据，这可能导致计算化学的革命。1-5，随着嘈杂的中级量子量子（NISQ）计算的出现，6台具有数十个易于错误的Qubits的设备越来越多地用于研究人员和公众。7 - 10由于此类设备无法运行大深度结构化量子算法，因此如何最好地利用它们来解决化学问题的问题具有深厚的科学和商业意义。近年来，在开创性的提案（例如变异量子本质量（VQE））之后，11研究集中在基于参数化量子电路（PQC）的变异算法上。12-14从长远来看，量子相估计（QPE）算法提供了评估分子系统能量的有前途的途径，因为它可能在经典的完整构型间相比（FCI）处理方面具有指数优势。15，16与VQE相比，运行QPE所需的电路深度通常太深而无法在近期量子设备上运行，这使得VQE成为NISQ时代的选择方法。VQE使用参数化的量子电路来表示系统的波函数，并通过调整电路参数来最大程度地减少能量变化来起作用。在这种情况下，量子电路在经典的量子化学算法中起着与ANSATZ相同的作用，同样，也提出了各种不同的ANSA tze。第一个建议是分离的统一耦合群集（UCC）Ansatz，11
上下文子空间变分量子特征求解器和非上下文投影假设的稳定器框架
摘要：量子化学是噪声中型量子 (NISQ) 设备的一个有前途的应用。然而，量子计算机迄今为止尚未成功解决具有真正科学意义的问题，算法的进步对于充分利用当今可用的普通 NISQ 机器来说是必不可少的。我们讨论了一种基于将分子汉密尔顿量划分为两部分的基态能量估计方法：一部分是非上下文的，可以用经典方法求解，另一部分是上下文分量，可通过变分量子特征求解器 (VQE) 程序获得量子校正。这种方法被称为上下文子空间 VQE (CS-VQE)；然而，在将其部署到 NISQ 设备上之前，还有一些障碍需要克服。我们在这里解决的问题是 ansatz，即我们在 VQE 期间对其进行优化的参数化量子态；最初并不清楚汉密尔顿量的分裂应如何反映在 CS-VQE ansa ̈ tze 中。我们提出了一种“非上下文投影”方法，该方法由稳定器形式中 CS-VQE 的重新表述所阐明。这定义了从完整电子结构问题到上下文子空间的假设限制，并促进了可在 NISQ 设备上部署的 CS-VQE 的实现。我们使用量子模拟器验证了非上下文投影假设，并展示了一组小分子的化学精确基态能量计算，同时显著减少了所需的量子比特数和电路深度。
用于量子化学的量子计算机上的资源优化的费米子局域哈密顿模拟
在量子计算机上模拟费米子系统的能力有望彻底改变化学工程、材料设计、核物理等领域。因此，优化模拟电路对于充分利用量子计算机的功能具有重要意义。在这里，我们从两个方面解决这个问题。在容错机制下，我们优化了 rz 和 t 门数以及所需的辅助量子比特数，假设使用乘积公式算法进行实现。与现有技术相比，我们获得了门数节省率为 2 和所需辅助量子比特数节省率为 11。在预容错机制下，我们优化了两量子比特门数，假设使用变分量子特征求解器 (VQE) 方法。具体到后者，我们提出了一个框架，可以使 VQE 进程向费米子系统基态能量收敛的方向引导。该框架基于微扰理论，能够将 VQE 进程每个循环的能量估计值提高约三倍，与试验台上经典可访问的水分子系统中的标准 VQE 方法相比，更接近已知基态能量。改进的能量估计反过来又会节省相应数量的量子资源，例如量子比特和量子门的数量，这些资源需要在已知基态能量的预定公差范围内。我们还探索了一套从费米子到量子比特算子的广义变换，并表明在小规模情况下，资源需求节省高达 20% 以上是可能的。
可区分的矩阵产品状态用于模拟变异量子计算化学
量子计算被认为是量子化学概率的最终解决方案。在大规模，完全容忍的量子计算机出现之前，变量量子本质量（VQE）是一种有希望的启发式量子算法，可以解决现实世界中量子化学问题上的近期噪声量子计算机。在这里，我们基于量子状态的矩阵乘积状态表示，为VQE提供了高度可行的经典模拟器，该模拟态显着扩展了iS exting模拟器的模拟范围。我们的模拟器无缝地将量子电路演变为经典的自动差异框架，因此可以有效地计算梯度与经典的深神经网络有效地相似，该缩放的比例与变异参数的数量无关。作为应用，我们使用模拟器研究常用的小分子，例如HF，HCl，Lih和H 2 O，以及较大的分子CO 2，BEH 2和H 4，最多40量Qubit。我们的模拟器对量子数的数量的有利缩放和参数的数量可以使其成为近期量子算法的理想测试场，并且是噪声量子计算机上迎接大型大规模VQE Excorments的完美基准基线。
基于测量的变分量子特征值求解器的确定性分析
摘要 基于测量的量子计算 (MBQC) 是一种很有前途的方法，可以减少嘈杂的中型量子算法（例如变分量子特征值求解器 (VQE)）中的电路深度。与基于门的计算不同，MBQC 在预先准备的资源状态上使用局部测量，在电路深度和量子比特数之间提供权衡。确保确定性对 MBQC 至关重要，特别是在 VQE 环境中，因为测量模式缺乏流动性会导致在无关位置评估成本函数。本研究介绍了尊重确定性并类似于广泛使用的与问题无关的硬件高效 VQE 假设的 MBVQE 假设。我们使用 Schwinger Hamiltonian 和 XY 模型上的理想模拟来评估我们的方法，并在具有自适应测量功能的 IBM 硬件上进行实验。在我们的用例中，我们发现通过后选择确保确定性比通过自适应测量效果更好，但会增加采样成本。此外，我们提出了一种有效的 MBQC 启发式方法，用于在具有重十六进制连接的硬件上准备资源状态，特别是集群状态，需要单轮测量，并在具有 27 和 127 个量子比特的量子计算机上实现此方案。我们观察到较大集群状态的显着改进，尽管直接基于门的实现对于较小的实例实现了更高的保真度。
物理学报告了变异量子本质量
Peruzzo等人首先开发的变异量子eigensolver（或VQE）。（2014）近年来受到研究界的极大关注。它使用变分原理来计算哈密顿量的基态能量，这是量子化学和凝结物理学的核心问题。传统的计算方法由于这些多电子系统的指数增长电子波函数的精确建模而限制了其准确性。VQE可用于在多项式时间内对这些复杂的波函数进行建模，从而使其成为量子计算中最有希望的近期应用之一。一个重要的优点是，已证明变异算法对量子硬件中的噪声提出了一定程度的弹性。找到一条导航相关文献的途径已迅速成为一项压倒性的任务，许多方法有望改善算法的不同部分，但没有明确描述各种部分如何融合在一起。文献中也广泛讨论了该算法的潜在实际优势，但结论有所不同。尽管有强大的理论基础表明了单个VQE组件的出色缩放，但研究指出，它们的各种前部因子可能太大而无法比常规方法达到量子计算优势。详细综述了该算法的所有不同组件。本评论旨在解散相关文献，以全面概述在算法的不同部分上取得的进展，并讨论VQE兑现其承诺的基本研究领域。这些包括在量子计算机上的汉密尔顿和波函数的表示，找到基态能量的优化过程，量子错误的后加工缓解措施以及建议的最佳实践。我们确定未来研究的四个主要领域：（1）减少所需电路重复的最佳测量方案； （2）许多量子计算机的大规模并行化； （3）克服大型系统优化过程中消失梯度的潜在外观的方法，以及优化量表所需的迭代次数
重夸克偶素光谱的量子计算
我们报告了量子计算在重夸克偶极子光谱研究中应用的首次演示。基于重夸克和反夸克系统的康奈尔势模型，我们展示了如何在 IBM 云量子计算平台上用 VQE 方法制定和解决这个汉密尔顿问题。由于全局去极化噪声通道导致的误差通过零噪声外推法进行校正，结果与预期值高度一致。我们还推广了 VQE 方法，通过相对于基态的正交化来解决激发态。这种新方法已被证明适用于无噪声量子模拟器上的夸克偶极子系统，并且可以轻松应用于解决许多其他物理系统中的类似激发态问题。
通过量子计算进行投资组合优化的最佳实践，在实际量子设备上进行了实验
最终，投资组合优化的目的是确定最佳投资，从而使回报和风险之间的权衡最大化。此二次优化问题的经典表述具有精确或启发式的解决方案，但是随着市场维度的增加，复杂性扩大。最近，研究人员正在评估通过采用量子计算来面对复杂性缩放问题的可能性。在本文中，使用变异量子本质量（VQE）解决了问题，这原理是非常有效的。这项工作的主要结果包括定义要设置的最佳超参数，以便在实际量子计算机上执行VQE的投资组合优化。尤其是考虑了约束二次问题的一般公式，该公式通过变量的二进制编码以及在目标函数中包含约束，将其转化为二次不受限制的二进制优化。这将转换为一组量子运算符（Ising Hamiltonian），其最小特征值由VQE找到，并对应于最佳解决方案。在这项工作中，分析了该过程的不同超参数，包括通过模拟器和实际量子计算机的实验进行的不同的ANSATZE和优化方法。实验表明，解决方案质量对精度尺寸的量子计算机和正确的超参数有很强的依赖性，并且有了最佳选择，量子算法在实际量子设备上运行的量子算法运行在实时量子设备上非常接近确切的解决方案，即使没有误差计算技术，也没有强大的融合速率，即使是具有强大的融合率。此外，对于小型示例，在不同的实际量子设备上获得的结果显示了解决方案质量与量子处理器尺寸之间的关系。的证据允许结论是解决量子设备上的实际投资组合优化问题的最佳方法，并确认在现有方法方面，一旦量子硬件的尺寸将有限地高，就可以用较高的效率解决它们。