XiaoMi-AI文件搜索系统
World File Search SystemVQE
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。
基于变分量子发射的波导模式模拟
摘要 — 当前的量子计算机 (QC) 属于嘈杂的中型量子 (NISQ) 类，其特点是量子比特嘈杂、量子比特能力有限、电路深度有限。这些限制导致了混合量子经典算法的发展，该算法将计算成本分摊到经典硬件和量子硬件之间。在混合算法中，提到了变分量子特征值求解器 (VQE)。VQE 是一种变分量子算法，旨在估计通用门量子架构上系统的特征值和特征向量。电磁学中的一个典型问题是波导内特征模的计算。按照有限差分法，波动方程可以重写为特征值问题。这项工作利用量子计算中的量子叠加和纠缠来解决方波导模式问题。随着量子比特数的增加，该算法预计将比传统计算技术表现出指数级的效率。模拟是在 IBM 的三量子比特量子模拟器 Qasm IBM Simulator 上进行的。考虑到基于计算的量子硬件测量，进行了基于镜头的模拟。以二维本征模场分布形式报告的概率读出结果接近理想值，量子比特数很少，证实了利用量子优势制定创新本征解法的可能性。
变分量子问题的噪声贝叶斯优化...
在许多值得关注的科学应用中，量子算法有可能比传统算法快得多。例如量子机器学习 [1]、量子化学 [2] 以及许多其他 [3]。不幸的是，其中许多应用还无法在当前的嘈杂中型量子 (NISQ) 计算机上实现 [4]，需要等到噪声源可以被抑制到阈值，使量子计算机可用于实践，甚至构建容错量子计算机 [5]。然而，许多有趣的 LGT 问题已经可以通过 NISQ 设备进行研究 [6]。特别是，如果以哈密顿量公式研究 LGT，量子算法通常不会受到符号问题的影响 [7,8]。一种重要的现成算法是变分量子特征值求解器 (VQE) [ 9 ]，它是一种混合量子经典算法，利用变分原理寻找给定汉密尔顿量 H 的基态（和激发态）。VQE 的量子部分用于测量给定多量子比特状态中汉密尔顿量的期望值，即能量，而经典部分则在由参数化量子电路生成的多量子比特状态族中搜索使能量最小化的状态。本文提出的算法是一种经典优化器，旨在找到基态的良好近似值，尽可能减少能量测量的次数。这里选择的方法称为贝叶斯全局优化。它的首次应用可以追溯到 20 世纪 60 年代 [ 10 ]，而它的现代实现则基于最近的研究 [ 11 ]。该方法的基础是高斯过程回归 (GPR)，这是一种基于高斯过程贝叶斯推理的插值方法。它使我们能够使用有限量的 (嘈杂) 数据创建黑盒函数的预测模型。在每次优化迭代中，该模型用于确定一组可能接近全局最小点的参数。此步骤按照称为获取函数优化的过程执行。这里提出的优化能量的算法不同于 VQE 中常用的其他替代方法，因为它不仅使用能量的估计值，还使用其统计误差的值。其动机是降低每一步的量子测量次数：即使对于不精确的能量测量，只要它们的误差由于中心极限定理近似为高斯，该过程也是定义良好的。使用噪声设备模拟器将该算法的结果与其他常用的替代方案进行了比较。
早期故障的状态准备助推器
量子计算被认为对于在各种应用中的化学和材料的模拟中特别有用。近年来，在用于量子模拟的近期量子算法的开发方面取得了显着进步，包括VQE及其许多变体。但是，要使这种算法有用，它们需要越过几个关键障碍，包括无法准备基态高质量的近似值。当前对状态准备的挑战，包括贫瘠的高原和优化景观的高维度，使国家制备通过ANSATZ优化不可靠。在这项工作中，我们介绍了基态增强方法，该方法使用有限的深度量子电路可靠地增加与基态的重叠。我们称之为助推器的电路可用于从VQE召集ANSATZ或用作独立状态准备方法。助推器以可控制的方式将电路深度转换为基态重叠。我们通过模拟特定类型的助推器（即高斯助推器）的性能来证明增强器的能力，以制备N 2分子系统的基态。超出基态制备作为直接目标，许多量子算法（例如量子相估计）依赖于高质量的状态制备作为子例程。因此，我们预见到基础状态的增强和类似的方法是成为必不可少的算法成分，因为该领域过渡到使用早期耐断层量子计算机。
![arxiv：2501.03521v1 [Quant-ph] 2025年1月7日](/simg/a\ab8cd2ffee5d4d71164538d91a418046a527760b.webp)
arxiv：2501.03521v1 [Quant-ph] 2025年1月7日
摘要在这项研究中，我们提出了一种使用变异量子电路来约束组合优化的新方法。量子计算机被认为具有比古典计算机更快地解决大型组合优化问题的潜力。变异量子算法（例如变异量子本层（VQE））已被广泛研究，因为它们有望在嘈杂的中间尺度设备上工作。不幸的是，许多优化问题都有限制，这在VQE过程中诱导了不可行的解决方案。最近，通过设计量子电路，仅输出满足约束的状态，提出了几种有效解决约束组合优化问题的方法。但是，可用约束的类型仍然受到限制。因此，我们已经开始开发可以处理更广泛限制的变分量子电路。所提出的方法利用了一个转发操作，该操作从可行状态映射到子问题的可行状态到较大的子问题。只要可以定义适当的转发操作，即使在多个和复杂的约束的情况下，该过程的迭代也可以诱导地构造出可行状态的变异电路。在本文中，将提出的方法应用于设施位置问题，并被发现增加了测量可行解决方案或最佳溶液的概率。此外，获得的电路的成本与常规变化电路的成本相当。
根据图状态将量子电路映射到浅深度测量模式
摘要 基于测量的量子计算 (MBQC) 范式始于高度纠缠的资源状态，通过自适应测量和校正在该状态上执行幺正操作以确保确定性。这与更常见的量子电路模型形成对比，在更常见的量子电路模型中，幺正操作在最终测量之前直接通过量子门实现。在这项工作中，我们将 MBQC 中的概念融入电路模型以创建一种混合模拟技术，使我们能够将任何量子电路拆分为经典高效可模拟的 Clifford 部分和由稳定器状态和局部（自适应）测量指令（即所谓的标准形式）组成的第二部分，该部分在量子计算机上执行。我们进一步使用图状态形式处理稳定器状态，从而显著减少某些应用的电路深度。我们表明，可以使用协议中的完全并行（即非自适应）测量来实现相互交换的运算符组。此外，我们还讨论了如何通过调整资源状态来同时测量相互交换的可观测量组，而不是像在电路模型中那样在测量之前执行昂贵的基础变换。最后，我们通过两个具有高度实际意义的例子证明了该技术的实用性——用于水分子基态能量估计的量子近似优化算法和变分量子特征求解器 (VQE)。对于 VQE，我们发现与标准电路模型相比，使用测量模式可以将深度减少 4 到 5 倍。同时，由于我们结合了同时测量，与在电路模型中单独测量泡利弦相比，我们的模式使我们可以将拍摄次数节省至少 3.5 倍。
通过二阶对称适应微扰理论在嘈杂的中型量子计算机上实现精确的非共价相互作用能量
量子算法 2,14 – 16 可用于求解薛定谔方程，其资源成本随量子比特数呈多项式增长。不幸的是，目前可用的嘈杂中尺度量子 (NISQ) 硬件 17 存在相对较差的门保真度和较低的量子比特数，18 这带来了两个关键挑战。首先，对于 NISQ 定制的量子算法 19 来说，最小化量子资源非常重要。最突出的 NISQ 方法是混合量子经典算法，如变分量子特征求解器 (VQE)、20,21 量子 Krylov 方法、18,22 – 26
高精度量子计算策略...
退相干和门误差严重限制了最先进的量子计算机的能力。这项工作引入了一种量子化学参考状态误差缓解 (REM) 策略，该策略可以直接在当前和近期的设备上实现。REM 可以与现有的缓解程序一起使用，同时只需要最少的后处理，并且只需要一次或不需要额外的测量。该方法与底层量子力学假设无关，并且专为变分量子特征值求解器 (VQE) 而设计。在超导量子硬件上证明了小分子 (H 2、HeH + 和 LiH) 基态能量计算精度提高了两个数量级。深度超过 1000 个两量子比特门的噪声电路的模拟用于论证该方法的可扩展性。