变分量子算法 (VQA) 经典地优化参数化量子电路以解决计算任务,有望增进我们对量子多体系统的理解,并使用近期量子计算机改进机器学习算法。这类量子-经典混合算法面临的突出挑战是与其经典优化相关的量子纠缠和量子梯度的控制。这些量子梯度被称为贫瘠高原现象,在体积定律纠缠增长的情况下,它们可能会迅速消失,这对 VQA 的实际应用构成了严重障碍。受最近对随机电路中测量诱导纠缠转变研究的启发,我们研究了具有中间投影测量的变分量子电路中的纠缠转变。考虑 XXZ 模型的哈密顿变分拟定 (HVA) 和硬件高效拟定 (HEA),我们观察到随着测量率的增加,测量诱导的纠缠转变从体积定律到面积定律。此外,我们提供了证据表明,该转变属于随机酉电路的同一普适性类别。重要的是,该转变与经典优化中从严重到温和/无贫瘠高原的“景观转变”相吻合。我们的工作可能为通过在当前可用的量子硬件中结合中间测量协议来提高量子电路的可训练性提供一条途径。
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。
变异量子算法(VQA)已成为一种有希望的近期技术,可以探索嘈杂的中间尺度量子(NISQ)设备上实用的量子优势。然而,由于反向传播的不可能和大量测量成本引起的参数训练过程效率低下,对VQA的大规模开发构成了巨大挑战。在这里,我们提出了一个参数并行分布的变分量子算法(PPD-VQA),以通过使用多个量子处理器进行参数并行训练来加速训练过程。为了在现实的噪声场景中维持PPD-VQA的高性能,提出了一种替代训练策略来减轻多个量子处理器之间噪声差异引起的加速度衰减,这是不可避免的共同的分布式VQA的常见问题。此外,还采用了梯度压缩来克服潜在的通信瓶颈。所达到的结果表明,PPD-VQA可以提供一个实用的解决方案,以协调多个量子处理器,以将多个量子处理器与大规模实词应用程序进行协调。
近年来,机器学习、量子多体物理学和量子信息科学等领域的交流卓有成效。这种多学科的互动在一定程度上得益于以下发现:人工神经网络为参数化量子多体希尔伯特空间的子集提供了强大的归纳偏差。尽管通过神经网络描述希尔伯特空间向量会导致无法对此类量子态子集进行精确的线性代数运算,但由于存在一种名为变分蒙特卡洛 (VMC) 的有效随机近似算法 [8,30],基于神经网络的量子态 (NQS) 能够准确揭示量子自旋系统基态的属性,并使用 VMC 的时间相关变体(即所谓的 t-VMC)模拟其时间演化 [6,7]。自从复值受限玻尔兹曼机 [ 8 ] 问世以来,神经网络量子态的范围已经扩大到涵盖各种量子系统,这通过使用日益复杂(通常是多层的)的架构成为可能。相互作用的另一个驱动因素是发现 VMC 和变分量子算法 (VQA) 之间有着密切的类似性。特别是 Stokes 等人 [ 40 ] 在量子信息几何方面的最新研究阐明了机器学习中的自然梯度下降 [ 2 ]、随机重构 VMC [ 38 ] 和量子计算中的变分虚时间演化 [ 45 ] 之间的联系。本教程论文旨在作为对连续变量量子系统的基于流的 VMC 和 t-VMC 的独立回顾。为了具体起见,我们以玻色子量子系统为例进行讨论,以场振幅基表示。场振幅基并不是 VMC 文献 3 的传统焦点,VMC 文献集中于更易于用 Fock 基解释的非相对论系统。然而,场振幅基在具有相对论对称性的系统中是自然的,其中受控玻色子哈密顿量在 L 2 空间中表示为简单的薛定谔算子。因此,哈密顿量的简单性也提供了教学优势。场振幅基的一个可能的计算优势是,它不需要人为地将允许的模式占用数限制在有限范围内以进行数值实现。为了促进
有效地建模和量化行为对于我们理解大脑至关重要。在社交和多主体任务中,在自然环境中建模行为仍然是一项重大挑战。对执行相同任务的不同主体的行为进行建模需要将行为数据划分为跨主体共有的特征和每个主体独有的特征。与社交调查相比,在自由移动的环境中对多个个体之间的社交互动进行建模需要解开由个体引起的影响。为了灵活地将行为解开为具有个体和跨主体或社交成分的可解释潜在变量,我们基于半监督方法来划分行为子空间,并提出了一种基于柯西-施瓦茨散度的新型正则化方法。我们的模型称为约束子空间变分自动编码器 (CS-VAE),成功地对跨主体行为视频的不同特征以及不断变化的社交行为差异进行了建模。我们的方法极大地促进了下游任务中产生的潜在变量的分析,例如揭示解开的行为主题,有效解码新主体的行为,并提供对不同动物如何表现出先天行为的理解。
图 1 在经典计算机上使用不同的轨道基组初始化为不同自旋多重性的 LiH 和 TiH 双原子分子的预测 CCSD 键解离曲线。预测的 TiH 基态配置会根据所选的轨道基组而变化。基态配置用实心标记表示,而较高能量配置用空心标记表示。
摘要:近年来,变分量子电路 (VQC) 在量子机器学习中的应用大幅增加。VQC 的灵感来自人工神经网络,它作为大规模参数化函数逼近器,在广泛的 AI 任务中实现了非凡的性能。VQC 已经通过利用量子计算中更强大的算法工具箱,在泛化和训练参数要求更少等方面取得了令人鼓舞的成果。VQC 的可训练参数或权重通常用作旋转门中的角度,而当前基于梯度的训练方法并未考虑到这一点。我们引入了 VQC 的权重重新映射,以将权重明确地映射到长度为 2 π 的区间,这从传统 ML 中汲取了灵感,其中数据重新缩放或规范化技术在许多情况下都表现出巨大的好处。我们使用一组五个函数,并以变分分类器为例,在 Iris 和 Wine 数据集上对它们进行评估。我们的实验表明,权重重新映射可以提高所有测试设置中的收敛性。此外,我们能够证明,与使用未修改的权重相比,权重重新映射可将 Wine 数据集的测试准确率提高 10%。
摘要简介:伊蚊属的蚊子,尤其是埃及伊蚊,在热带国家更为普遍,并且由于它们位于城市环境中,目前被认为是登革热、寨卡病毒、基孔肯雅病、黄热病等虫媒病毒的主要媒介。登革热是传播最广、最令人担忧的公共卫生疾病之一,因为它具有季节性流行的特点,而且熏蒸车中使用的许多杀虫剂对媒介不再有效,这使得控制登革热变得困难。本研究旨在基于对线粒体DNA NADH4基因的检测分析埃及伊蚊幼虫的基因图谱,并分析编码钠通道的基因中可能存在的与杀虫剂抗性相关的kdr突变。材料与方法:基于限制性片段长度多态性技术(PCR-RFLP)分析kdr突变研究。结果:在分析的 52 个样本中,有 24 个在琼脂糖电泳中表现出条带多态性,证实了突变。结论:本研究的结果表明,几乎 50% 的幼虫存在抗性突变。关键词:登革热;蚊子;虫媒病毒;拟除虫菊酯。摘要引言:伊蚊属的蚊子,尤其是埃及伊蚊,在热带国家更为常见,并且由于它们位于城市环境中,目前被认为是登革热、寨卡病毒、基孔肯雅病毒、黄热病等虫媒病毒的主要传播媒介。登革热是最普遍、最令人担忧的公共卫生疾病之一,因为它具有季节性流行的特点,而且无烟汽车中使用的许多杀虫剂对媒介不再有效,这使得控制登革热变得困难,本研究旨在基于检测mtDNA NADH4基因分析埃及伊蚊幼虫的基因图谱,并分析编码钠通道的基因中可能存在的与杀虫剂抗性有关的kdr突变。材料与方法:
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。