Quantum-proof multi-source randomness extractors in the Markov model
本文提出马尔可夫辅助信息模型，证明任意多源提取器在该模型下的量子辅助信息面前仍保持安全，推广了以往仅适用于受限模型和特定提取器的结论。
2016-09-09 cs.CC cs.CR quant-ph
Quantum-proof randomness extractors via operator space theory
量子验证随机性提取器是经典密码学和量子密码学以及设备无关随机性放大和扩展的重要构建块。此外，它们也是量子香农理论的一个有用工具。已知的是，一些提取器构造是量子证明的，而其他提取器构造可证明不是量子证明的[Gavinsky等人，STOC'07]。我们认为，算子空间的理论提供了一个自然的框架，研究在何种程度上提取器是安全的对量子对手：我们首先短语提取器的定义作为赋范空间之间的有界范数条件，然后表明，量子对手的存在对应于一个完全有界范数条件之间的算子空间。由此，我们表明，非常高的最小熵提取器以及提取器与小输出总是（近似）量子证明。我们还研究了一个泛化的提取器称为随机性冷凝器。我们把凝聚子的定义称为有界范数条件，把量子安全凝聚子的定义称为完全有界范数条件。将凝聚器看作二部图，我们发现有界范数条件对应于一个研究得很好的组合问题的实例，称为二部分解子图。此外，利用算子空间的特征，我们可以将任何冷凝器关联到贝尔不等式（两人博弈），使得经典和量子策略与冷凝器上的经典和量子攻击一一对应。因此，我们得到每个量子证明的冷凝器（其中特别包括量子证明的提取器）的贝尔不等式，不能违反量子力学。
2017-05-04 math-ph math.MP quant-ph
Two-Source Extractors Secure Against Quantum Adversaries
我们在量子世界中发起了多源提取器的研究。在这种情况下，我们的目标是从两个独立的弱随机源中提取随机比特，两个量子对手存储有界量的信息。我们的主要结果是一个双源提取器对量子对手的安全，与参数密切匹配的经典情况下，在几个实例中紧。此外，即使对手共享纠缠，提取器也是安全的。该结构是Chor-Goldreich [CG 88]双源内积提取器及其Dodis等人的多位变体[DEOR 04]。以前，这一领域的研究主要集中在构建种子提取器，以抵御量子对手;多源设置带来了新的挑战，其中之一是纠缠的存在，可能会破坏源的独立性。
2010-05-04 cs.CC quant-ph
Postprocessing for quantum random number generators: entropy evaluation and randomness extraction
量子随机数发生器（QRNG）原则上可以提供一种生成信息理论上可证明的随机数的方法。在实际应用中，由于经典噪声的存在，量子随机性不可避免地与经典随机性混杂在一起。为了提取这种量子随机性，需要量化源的随机性并应用随机性提取器。在这里，我们提出了一个通过最小熵来评估现实生活中QRNG的量子随机性的通用框架，并将其应用于文献中两个不同的现有量子随机数系统。此外，我们提供了一个QRNG数据后处理的指导方针，我们实现了两个信息理论上可证明的随机性提取器：Toeplitz哈希提取器和Trevisan的提取器。
2013-06-22 cs.CR quant-ph
Quantum Side Information: Uncertainty Relations, Extractors, Channel Simulations
在本论文的第一部分，我们讨论了经典和量子物理学的代数方法，并在此设置中发展信息论的概念。第二部分讨论了量子力学中的不确定原理。该原理指出，即使我们有关于量子系统状态的全部经典信息，也不可能确定性地预测所有可能测量的结果。相比之下，量子观察者的视角允许拥有关于量子系统状态的量子信息。这就导致了不确定性和量子关联之间的相互作用。我们提供了一个信息论分析讨论熵的不确定性与量子边信息的关系。第三部分讨论了随机抽取器的概念。经典和量子随机性是信息论、密码学和计算中的重要资源。然而，大多数随机性的来源只表现出弱形式的不可预测性，随机性提取的目标是将这种弱随机性转换为（几乎）完美的随机性。我们讨论了经典和量子随机性提取器的各种结构，我们特别研究了这些结构相对于具有量子边信息的观察者的性能。在第四部分中，我们讨论了信道模拟。香农的噪声信道定理可以理解为使用噪声信道来模拟无噪声信道。我们在这里要考虑的信道模拟是关于相反的问题：从无噪声信道模拟有噪声信道。从纯经典情形（经典的反向香农定理）出发，我们给出了各种量子信道的模拟结果。我们通过使用经典和量子随机性提取器来实现这一点，这些提取器也适用于量子边信息。
2013-10-17 cs.IT math-ph math.IT
The Bounded Storage Model in The Presence of a Quantum Adversary
提取器是用于提取随机性的函数E。给定一个不完美的随机源X和一个均匀的种子Y，输出E（X，Y）接近均匀。我们研究的性质，这样的功能存在的先验量子信息的X，特别侧重于密码学的应用。我们证明了某些提取器是适合的有界存储模型中的对手有一个有限的量子存储器的密钥扩展。对于一位输出的提取器，我们表明，所提取的位基本上是同样安全的情况下，对手有经典的资源。我们证明了某些结构的安全性，在有界存储模型中输出多个位。
2006-12-08 quant-ph
Privacy Amplification Against Active Quantum Adversaries
隐私放大是两个合作方将共享的弱秘密（窃听者可能有关于该弱秘密的边信息）转换为与窃听者不相关的均匀随机字符串的任务。针对被动对手的隐私放大，假设通信是在一个公共但经过认证的信道上，可以通过基于强提取器的单消息协议在经典和量子侧信息的存在下实现。2009年，Dodis和Wichs设计了一个双消息协议，通过使用他们引入的强提取器（称为不可延展提取器）来实现对活跃对手的隐私放大，其中公共通信信道不再被假设为经过认证。Dodis和Wichs只分析了经典边信息的情况。我们考虑的任务，隐私放大对积极的对手与量子边信息。我们的主要结果表明，Dodis-Wichs协议仍然是安全的，在这种情况下，其主要的构建块，不可延展的提取器，满足量子证明不可延展性的概念，我们介绍。我们表明，由于Chattopadhyay等人最近构建的不可延展提取器的适应是量子证明，从而提供了第一个针对主动量子对手的隐私放大协议。我们的协议在数量上与经典环境中已知的接近最佳的协议相当。
2017-09-03 cs.CC cs.CR quant-ph
Deterministic randomness extraction for quantum random number generation with partial trust
Quside Technologies S.L.（Quside科技有限公司）；Universitat de Barcelona（巴塞罗那大学）；ICFO-Institut de Ciències Fotòniques, The Barcelona Institute of Science and Technology（ICFO-光子科学研究所，巴塞罗那科学技术研究所）
本研究提出了一种在部分信任条件下，利用量子熵源和半设备无关设置的确定性随机提取方法，实现了高效率的随机数生成。
2026-02-26 quant-ph
A classical proof of quantum knowledge for multi-prover interactive proof systems
本文将知识证明扩展到单经典验证者与多量子证明者场景，为QMA问题构造首个统计零知识PoK，并通过提取局部哈密顿量基态实现更强的量子性自测试。
2025-06-16 quant-ph
Representation Geometry and Inductive Biases in Quantum Classifiers across Classical Visual Benchmarks
Center for Quantum Information and Quantum Biology, The University of Osaka（大阪大学量子信息与量子生物学中心）；SANKEN, The University of Osaka（大阪大学工业安全研究中心）；Graduate School of Engineering Science, The University of Osaka（大阪大学工程科学研究生院）
本研究分析量子分类器在经典视觉基准上的表示几何与归纳偏置，发现其有效性依赖输入表示几何，核对齐可识别兼容量子特征空间的表示，为经典模型转量子算法提供见解。
2026-10-14 cs.LG quant-ph
Quantum Theory of particles and fields as an extension of a probabilistic variational approach to classical mechanics and classical field theory. I
一个理论方案，基于概率推广的汉密尔顿的原则，阐述了获得统一的描述更一般的动力学行为确定从拉格朗日函数和机制不考虑这个功能。在这个方案中，量子力学，经典场论和标量场的量子理论进行了讨论。作为经典场论概率格式的副产品，我们恢复了多维变分问题的De Donder-Weyl理论方程。
2009-07-28 quant-ph
Classically optimal variational quantum algorithms
混合量子经典算法，如变分量子算法（VQA），适合在NISQ计算机上实现。在这封信中，我们扩展了一个隐式步骤的VQA：经典的预计算子程序，可以非平凡地使用经典算法来简化，变换，或指定问题的实例特定的变分量子线路。在VQA中，在解决方案的质量与电路构造和优化的难度之间存在权衡。在一个极端中，我们发现MAXCUT的VQA是精确的，但电路设计或变分优化是NP难的。在另一个极端是低深度VQA，如QAOA，具有易处理的电路构造和优化，但近似比差。结合这两个，我们定义的生成树QAOA（ST-QAOA）来解决MAXCUT，它使用一个其结构是来自一个近似的经典解决方案，并实现了相同的性能保证经典算法，因此可以优于QAOA在低深度。在一般情况下，我们建议将这些经典的预计算子程序集成到VQA，以提高启发式或保证性能。
2021-03-31 quant-ph
Classical proofs of quantum knowledge
我们定义的知识证明的概念中的设置验证者是经典的，但证明者是量子的，其中的证人，证明者持有一般是一个量子态。我们建立我们的定义的简单属性，包括，如果一个非破坏性的经典证明量子知识存在于某些状态，那么该状态可以被克隆的一个无界的对手，而且，在我们的定义中的参数的某些条件下，知识的证明协议的一个难以克隆的状态可以被用作（破坏性的）量子货币验证协议。此外，我们提供了两个协议的例子（都是受量子货币方案的私钥经典验证协议的启发），我们可以证明这是我们定义下的量子知识的证明。在这样做的时候，我们介绍了技术，这些协议的分析结果建立在文献上的非本地游戏。最后，我们表明，在我们的定义下，Mahadev（FOCS 2018）引入的验证协议是QMA关系的量子知识的经典论点。在所有情况下，我们构建了一个明确的量子提取器，能够产生一个量子证人给定的黑盒量子（倒带）访问证明者，后者包括连贯地执行证明者的黑盒电路控制的叠加消息从验证者的能力。
2021-01-19 quant-ph
Efficient recovery of variational quantum algorithms landscapes using classical signal processing
我们采用频谱分析和压缩感知来识别变分算法的成本函数可以纯经典地或以最小的量子计算机访问来恢复的设置。我们提出的理论和数值证据支持稀疏恢复技术的可行性。为了证明这种方法，我们使用基追踪去噪，有效地恢复模拟量子近似优化算法（QAOA）的大系统规模的实例，从很少的样本。我们的研究结果表明，稀疏恢复可以更有效地利用和分配量子资源的变分算法的优化。
2022-08-11 quant-ph
Quantum vs. classical: A comprehensive benchmark study for predicting time series with variational quantum machine learning
Institute for Computational Physics, University of Stuttgart（斯图加特大学计算物理研究所）；Fraunhofer Institute for Manufacturing Engineering and Automation（弗劳恩霍夫制造工程和自动化研究所）；Heilbronn University of Applied Sciences（海尔布隆应用科学大学）
本文通过对比变分量子算法与经典机器学习模型，探讨了量子方法在时间序列预测中的性能及局限性。
2026-01-09 quant-ph
Exponential separations for one-way quantum communication complexity, with applications to cryptography
我们给出了一个部分布尔函数的单向量子和经典通信协议之间的指数分离（布尔隐藏匹配问题的Bar-Yossef等人的变种）。在此之前，这种指数分离只适用于关系型问题。通信问题对应于针对关于其随机源的少量\emph{quantum}信息而失败的\emph{strong extractor}。我们的证明使用Kahn，Kalai和Linial的傅立叶系数不等式。我们也给出了这种分离的一些应用。特别是，我们表明，有隐私放大计划，是安全的对经典的对手，但不是对量子对手，我们给出了第一个例子的密钥扩展方案的模型中的有界存储密码是安全的对经典的内存有界的对手，但不是对量子的。
2008-02-13 quant-ph
Quantum Measurement Adversary
本文提出量子测量敌手 qm-adv 与量子通信敌手 qc-adv，统一现有量子多源敌手模型，并证明内积提取器、抗量子 non-malleable-extractor 及弱源隐私放大协议的安全性。
2023-06-06 cs.CR quant-ph
Joint quantum-classical Hamilton variation principle in the phase space
我们证明了封闭量子系统的动力学服从Hamilton变分原理。尽管量子粒子缺乏明确定义的轨迹，但它们在胡西米表象中的演化可以被视为相空间中的多维概率流体的流动。通过引入与库普曼-冯·诺伊曼理论非常相似的胡西米表示的经典对应物，人们可以在很大程度上统一经典和量子动力学的表述。我们证明了经典和量子Husimi流体的基本包运动都服从Hamilton变分原理，并且关联作用泛函之间的差异源于经典和量子纯态之间的差异. Husimi作用泛函不是唯一的，并定义到Skodje通量规范固定[R. T. Skodje等人，Phys.Rev.A40，2894（1989）]。我们证明，规范的选择可以显着改变磁通轨迹。应用所提出的理论构造半经典近似和混合经典-量子理论进行了讨论。
2021-11-15 quant-ph
Variational quantum generators: Generative adversarial quantum machine learning for continuous distributions
我们提出了一种量子-经典混合方法，利用变分量子线路来模拟连续的经典概率分布。变分电路的结构由两部分组成：一个量子线路，用于将经典随机变量编码成量子态，称为量子编码器;和一个变分电路，其参数被优化以模拟目标概率分布。通过测量在计算开始时选择的一组运算符的期望值来生成样本。我们的量子生成器可以用经典函数（如神经网络）作为经典后处理的一部分进行补充。我们使用生成对抗学习方法演示了量子变分生成器的应用，其中量子生成器通过其与将生成的样本与来自真实数据分布的样本进行比较的模型进行交互来训练。我们表明，我们的量子发生器是能够学习目标的概率分布，无论是使用经典的神经网络或变分量子线路作为神经网络。我们的实现利用自动微分工具来执行所采用的变分电路的优化。这里提出的变分量子发生器的设计和实现框架可以作为设计混合量子经典架构的蓝图，用于近期量子设备上的其他机器学习任务。
2019-01-03 quant-ph
Alternating Layered Variational Quantum Circuits Can Be Classically Optimized Efficiently Using Classical Shadows
变分量子算法（VQA）是经典神经网络（NN）的量子模拟。VQA由参数化的量子线路（PQC）组成，该参数化的量子线路由仅在参数的选择上不同的多层ansatze（更简单的PQC，其是NN层的类比）组成。先前的工作已经确定交替分层的量子阱可能是近期量子计算中的新的标准量子阱。事实上，浅层交替分层VQA很容易实现，并且已被证明是可训练和表达的。在这项工作中，我们引入了一个训练算法，这种VQA的训练成本呈指数级下降。此外，我们的算法使用量子输入数据的经典阴影，因此可以在具有严格性能保证的经典计算机上运行。我们证明了2- 3个数量级的改进，在训练成本使用我们的算法的例子问题，找到状态准备电路和量子自动编码器。
2022-08-24 quant-ph
Visualizing classical and quantum probability densities for momentum using variations on familiar one-dimensional potentials
在简要回顾了位置的经典概率密度$P_{CL}(x)$和动量的经典概率密度$P_{CL}(p)$的定义之后，我们给出了几个经典力学势系统的例子，大多数是在无限深阱和均匀加速粒子等常见情况下的变化，对于这些情况，经典分布可以很容易地导出和可视化。我们特别关注一个简单的潜在的对称线性势，$V(x) = F|x|$，和无限的井，它可以说明，在数学上简单的方式，如何发散，$δ$函数的经典概率密度的动量无限的井可以很容易地看到出现之间的插值。这些例子可以帮助学生理解量子力学动量空间波函数（及其相应的概率密度），就像其他半经典技术，如WKB近似，可以用来可视化位置空间波函数一样。
2003-07-08 quant-ph
Hybrid Quantum-Classical Dispatching for High-Renewable Power Systems:A Noise-Resilient Variational Approach with Real-World Validation
Lanzhou Petrochemical University of Vocational Technology（兰州石化职业技术大学）；Lanzhou Aviation Technology College（兰州航空职业技术学院）
本研究提出一种结合变分量子算法与经典优化的混合调度方法，通过现实验证提升了高可再生能源电力系统的调度效率与鲁棒性。
2026-01-26 quant-ph
An end-to-end trainable hybrid classical-quantum classifier
National Taiwan University（台湾大学）
我们引入了一个混合模型，结合量子启发张量网络和变分量子线路来执行监督学习任务。这种架构允许同时训练模型的经典和量子部分，提供端到端的训练框架。我们表明，相比主成分分析，张量网络的基础上的矩阵产品状态与低键维表现更好的特征提取器的输入数据的变分量子线路在二进制和三进制分类的MNIST和时尚MNIST数据集。该体系结构具有很强的适应性，并且通过利用张量网络和量子线路之间的对应关系，可以根据量子资源的可用性调整经典-量子边界。
2021-02-04 cs.LG quant-ph
On the Relativistic Zero Knowledge Quantum Proofs of Knowledge
本研究提出相对论性零知识量子知识证明系统，定义概念并构造提取器，利用新倒带技术突破量子倒带障碍，改进可靠性界限。
2024-12-17 cs.CR quant-ph
Classical Regularization in Variational Quantum Eigensolvers
Institute of Physics, Slovak Academy of Sciences（斯洛伐克科学院物理研究所）；Matej Bel University（马特·贝尔大学）
本文提出通过经典L2正则化方法提升变分量子本征求解器的稳定性与可靠性，无需修改量子电路。
2026-01-23 quant-ph
Anomaly detection with variational quantum generative adversarial networks
生成对抗网络（GANs）是一种机器学习框架，包括用于从目标分布采样的生成模型和用于评估样本与目标分布的接近度的判别模型。GANs在成像或异常检测方面表现出强大的性能。然而，它们遭受训练不稳定性，并且采样效率可能受到经典采样过程的限制。我们引入变分量子经典Wasserstein GANs来解决这些问题，并将该模型嵌入到经典的机器学习框架中进行异常检测。经典的Wasserstein GANs通过使用更适合梯度下降的成本函数来提高训练稳定性。我们的模型用混合量子-经典神经网络取代了Wasserstein GANs的生成器，并保持经典的判别模型不变。这样，高维经典数据只进入经典模型，而不需要在量子线路中准备。我们证明了这种方法的有效性信用卡欺诈数据集。对于这个数据集，我们的方法表现出与经典方法在$F_1$分数方面的性能。分析了电路参数、层宽和层深、神经网络结构参数初始化策略以及采样噪声对收敛性和性能的影响。
2021-07-21 quant-ph
Training variational quantum circuits with CoVaR: covariance root finding with classical shadows
利用近期的量子计算机并实现实用价值是一个相当大的和令人兴奋的挑战。作为变分算法的最突出的候选者通常旨在通过最小化由量子计算机采样的单个经典（能量）表面来找到哈密顿量的基态。在这里，我们介绍了一种方法，我们称之为CoVaR，另一种手段，以利用变分电路的权力：我们找到本征态的联合根的多项式增长数量的属性的量子态之间的协方差函数的哈密顿量和我们选择的运营商池。我们的CoVaR方法最显著的特点是，它允许我们充分利用非常强大的经典影子技术，即，我们同时估计非常大量的协方差$>10^4-10^7$。我们随机选择协方差和估计分析导数在每次迭代应用随机Levenberg-Marquardt步骤通过一个大的，但易于处理的线性方程组，我们用经典的计算机解决。我们证明了每次迭代的量子资源成本与标准梯度估计相当，但是，我们在数值模拟中观察到收敛速度有许多数量级的显着改善。CoVaR直接类似于对经典机器学习至关重要的基于随机梯度的优化，同时我们也将重要但易于处理的工作卸载到经典处理器上。
2022-12-01 quant-ph
Collective optimization for variational quantum eigensolvers
变分量子本征求解器（VQE）通过用经典计算机更新参数来优化量子处理器上的哈密顿量的参数化本征态。这种混合量子-经典优化作为一种实用的方式来利用经典算法来利用近期量子计算的能力。在这里，我们开发了一个混合算法的VQE，强调经典的一面，可以解决一组相关的哈密顿同时。该算法将一个蛇算法到许多VQE任务，集体优化不同的哈密顿变分参数。这种所谓的集体VQE ~（cVQE）被用来求解具有不同键长的分子，这是量子化学中的一个标准问题。数值模拟结果表明，cVQE不仅收敛速度快，而且有避免单个VQE任务陷入局部极小的趋势。集体优化利用了相关任务之间的内在关系，并可能激发高级混合量子经典算法来解决实际问题。
2019-10-30 quant-ph
Pre-optimization of quantum circuits, barren plateaus and classical simulability: tensor networks to unlock the variational quantum eigensolver
Eviden Quantum Lab（Eviden量子实验室）；CPHT, CNRS, Ecole Polytechnique, IP Paris（法国国家科学研究中心，巴黎综合理工学院，巴黎文理研究大学）
本研究利用张量网络预优化量子电路，缓解barren plateau问题，提升变分量子本征求解器在大系统中的能量精度和经典模拟效率。
2026-02-04 quant-ph
Quantum hashing is maximally secure against classical leakage
加密哈希函数是实践中广泛使用的基本基元。对于这样的函数$f:\{0, 1\}^n\to\{0, 1\}^m$，对手几乎不可能在不知道秘密消息$x\in\{0, 1\}^n$的情况下产生散列$f(x)$。不幸的是，所有的散列函数都容易受到侧信道攻击，这是一个严重的问题，在实践中的信息安全。这是因为通常$m\ll n$和对手只需要$m$位信息就可以通过验证测试。与此形成鲜明对比的是，我们表明，当使用量子态时，允许的泄漏几乎可以是整个秘密。更确切地说，如果两个不同散列之间的最大保真度在$n$中可以忽略不计，则我们将将$n$位映射到$m$量子位的函数称为量子密码函数。我们表明，对于任何$k=n-ω(\log n)$，所有的量子密码哈希函数保持密码安全时，泄漏$k$位的信息。通过Buhrman等人的量子指纹构造，（{ \em Phys. Rev. Lett.} 87，167902），对于所有$m=ω(\log n)$，存在这样的量子密码散列函数。我们还表明，只需要$ω(\log^2 n)$量子比特来验证量子密码哈希，而不是生成一个所需的整个经典信息。我们的结果还表明，要近似产生少量的量子边信息的经典秘密，它可能需要几乎全部的秘密信息。这个巨大的差距是证明经典证明提取器的量子安全性的一个重要障碍。
2017-02-06 quant-ph
Variational Hamiltonian simulation for translational invariant systems via classical pre-processing
大型量子系统的时间演化模拟是一个经典的挑战性和一般棘手的任务，使其成为量子计算的一个有前途的应用。Trotter-Suzuki近似产生其实现，其中可以用更高的近似精度换取增加的门计数。在这项工作中，我们引入了一个变分算法，它使用经典优化的解决方案来预测有效的量子线路的时间演化的几何不变的量子系统。我们的策略可以提高Trotter-Suzuki精度几个数量级。它转化为门数的减少，从而在相同的算法精度下获得整体保真度。这在NISQ应用中很重要，其中输出状态的保真度随门的数量呈指数衰减。我们的经典辅助策略的性能优势，可以扩展到开放的边界与平移对称的散装。我们可以将我们的方法外推到经典可模拟的系统大小之外，保持其总保真度优于Trotter-Suzuki近似，使其成为超越经典时间演化的有趣候选者。
2023-03-06 quant-ph
State transfer with separable optical beams and variational quantum algorithms with classical light
经典电磁场和量子力学都遵循叠加原理。这为迄今为止被认为是量子力学的各种现象和算法的模拟开辟了许多途径。在本文中，我们提出了两个这样的应用。在第一部分中，我们引入了一类新的光束，称为等效光束，与[Bharath & Ravishankar，https：//doi.org/10.1103/PhysRevA.89.062110]中引入的等效状态并行。这些光束具有相同的信息内容，用于所有实际目的。利用它们，我们展示了如何将信息从一个自由度的经典光传输到另一个自由度，而不需要任何经典纠缠光束。接下来，我们展示了量子机器学习可以通过实现量子分类器电路来使用OAM光束进行。我们提供明确的协议，并探讨其实验实现的可能性。
2021-12-05 quant-ph
Application of a variational hybrid quantum-classical algorithm to heat conduction equation
量子计算（QC）的硬件和算法的繁荣发展潜在地促使各个领域的科学计算的范式转变。变分量子算法（VQA）是量子计算领域中一个日益活跃的研究方向，它为求解噪声中尺度量子器件上的偏微分方程开辟了一条新的途径。尽管对于特定的数学和物理问题，QC相对于经典计算技术的优势有一个明确的观点，但QC在计算流体动力学中解决实际流动问题的应用虽然很有前途，但仍处于早期发展阶段。为了探索量子控制在实际流动问题模拟中的应用，本文采用变分量子-经典混合算法，即变分量子线性求解器（VQLS），通过对拉普拉斯算子的有限差分离散化求解热传导方程。通过线性系统的各种测试实例讨论了VQLS实现的细节。最后，通过一维和二维热传导方程的状态向量仿真，验证了该算法的有效性。此外，针对热传导问题的启发式缩放表明，本方法的时间复杂度在数学上依赖于精度ε，并且线性地依赖于量子比特的数量n。
2022-08-10 quant-ph
Hybrid quantum-classical classifier based on tensor network and variational quantum circuit
Brookhaven National Laboratory（布鲁克海文国家实验室）；National Taiwan University（台湾大学）
在有噪声的中间尺度量子（NISQ）设备上执行量子机器学习（QML）的一个关键步骤是在编码之前对输入数据进行降维。传统的主成分分析（PCA）和神经网络已被用于执行此任务;然而，经典层和量子层通常是分开训练的。因此，非常需要一个能够更好地整合这两个关键组成部分的框架。在这里，我们介绍了一种混合模型，它结合了量子启发张量网络（TN）和变分量子线路（VQC）来执行监督学习任务，这允许端到端的训练。我们表明，矩阵产品状态为基础的TN与低键维数比PCA作为一个特征提取器的MNIST数据集的二进制分类中的VQC的输入压缩数据进行更好的性能。该架构具有高度的适应性，并且可以在可用时轻松地合并额外的量子资源。
2020-11-30 cs.LG quant-ph
Adversarial attacks on hybrid classical-quantum Deep Learning models for Histopathological Cancer Detection
Qausal AI；Clemson University（克莱姆森大学）；Mississippi State University（密西西比州立大学）；SVQC
本研究将ResNet18等迁移学习模型与变分量子电路结合，构建混合经典-量子深度学习模型用于组织病理学癌症检测，并验证其在多种对抗攻击下比经典模型具有更高的分类准确率。
2023-09-08 cs.LG quant-ph
Addressing hard classical problems with Adiabatically Assisted Variational Quantum Eigensolvers
提出了一种经典-量子混合算法来解决当前量子计算机中的优化问题，其基本思想是利用哈密顿量的绝热变化来辅助变分量子本征求解器（VQE）.这种新算法的合理性在于规避了在VQE的经典优化部分中面临非常小的梯度的问题，同时能够在当前的硬件高效设备中运行。适用于内插哈密顿量的VQE的离散级联提供了一种方法，以保持量子态始终接近忠实地指向找到最终解的路径。我们基准这个绝热辅助变分量子本征求解器（AAVQE）的量子哈密顿和硬经典问题，我们的方法显示出快速收敛。
2018-06-06 cond-mat.other quant-ph
Quantum resources of quantum and classical variational methods
本文利用非稳定子性（魔法）连接量子信息与变分技术，通过基准测试神经网络量子态、矩阵乘积态和变分量子方法，揭示了能量精度并非非稳定子性精度的充分条件，且系统对称性对经典方法的精度有重要影响，为量子与经典变分方法的普适表达能力表征提供了基础。
2025-04-09 cond-mat.dis-nn quant-ph
An LLVM-based C++ Compiler Toolchain for Variational Hybrid Quantum-Classical Algorithms and Quantum Accelerators
变分算法是结合量子和经典计算的一类典型的量子计算工作负载。本文提出了一个基于LLVM的C++编译器工具链，以有效地执行变分混合量子经典算法的计算系统中，量子设备作为一个加速器。我们引入了一组扩展的C++语言编程这些算法。我们为Quantum定义了一种新的可执行和链接格式（ELF），并在LLVM框架中创建了一个量子设备编译器组件来编译C++源代码的量子部分，并在LLVM框架中重用主机编译器来编译C++源代码的经典计算部分。变分算法重复运行量子线路，每次使用不同的门参数。我们向量子运行时添加了动态执行具有不同参数的量子线路的能力。因此，程序员可以像调用经典例程一样调用量子例程。有了这些功能，变分混合量子经典算法可以在单个源代码中指定，并且只需要为所有迭代编译一次。单次编译显著降低了变分算法的执行延迟。我们通过运行量子线路来评估该框架的性能，该量子电路用于制备热场双态（TFD），这是一种量子经典变分算法。
2022-02-22 cs.MS quant-ph
Performance of hybrid quantum/classical variational heuristics for combinatorial optimization
最近的文献近期应用量子计算机包含几个例子的混合量子/经典变分方法的应用。这种方法可以应用于各种优化问题，但其实际性能还没有得到很好的研究。本文提出了一些步骤，在寻找经典组合优化问题的解决方案的背景下，在表征的方法的实际性能的方向。我们的研究是基于数值结果应用几个经典的非线性优化算法的哈密顿六个组合优化问题的实验是通过无噪声的经典模拟的量子线路中实现的Qiskit。我们通过经验验证：（1）对于具有多个泡利项的哈密顿量，寻找基态是困难的;（2）经典的全局优化方法比局部方法更成功，因为它们能够避免大量的局部最优;（3）在变分形式中引入纠缠似乎没有明显的优势。
2018-12-13 cs.DM quant-ph
Unified Description of Classical and Quantum Behaviours in a Variational Principle
我们给出了随机变分方法的教学介绍，并表明，这种广义变分原理描述了经典和量子力学在一个统一的方式。
2015-05-26 gr-qc hep-th nucl-th
Expanding variational quantum eigensolvers to larger systems by dividing the calculations between classical and quantum hardware
我们提出了一种混合经典/量子算法，通过在经典和量子处理器之间分担工作量，在资源有限的量子计算机上有效地解决多粒子哈密顿算子的本征值问题。该算法减少了所需的量子位数，但代价是增加了量子评估的数量。我们演示了哈伯德模型的方法，并展示了如何保守的总自旋的z-分量允许自旋向上和自旋向下的配置，分别计算经典和量子硬件。其他的对称性也可以用类似的方式来利用。
2022-02-25 cond-mat.mtrl-sci quant-ph
A quantum-classical cloud platform optimized for variational hybrid algorithms
为了支持量子计算的近期应用，出现了一种新的计算范式-量子经典云-其中量子计算机（QPU）通过共享云基础设施与经典计算机（CPU）协同工作。在这项工作中，我们列举了量子经典云平台的架构要求，并提出了一个框架，基准测试其运行时性能。此外，我们还介绍了两个平台级增强功能，参数编译和主动量子位重置，它们专门优化了量子经典架构，以支持变分混合算法（VHA），这是近期量子硬件最有前途的应用。最后，我们表明，将这两个功能集成到Rigetti量子云服务（QCS）平台的结果在相当大的改进，治理算法运行时的lavelet。
2020-05-31 cs.ET quant-ph
The theory of variational hybrid quantum-classical algorithms
许多量子算法与今天可用的相比具有令人生畏的资源需求。为了解决这一矛盾，量子经典混合优化方案被称为“量子变分本征解算器”的哲学，即使是最小的量子资源可以与经典例程结合使用时，是有用的。在这项工作中，我们扩展了该算法的一般理论，并提出了实际实现的算法改进。具体来说，我们开发了一个变分绝热分析和探索酉耦合集群，我们建立了一个连接，从二阶酉耦合集群的通用门集通过松弛指数分裂。我们引入了量子变分误差抑制的概念，使一些错误被自然地抑制在该算法上的前阈值量子器件。此外，我们分析了截断和相关采样的方法，以减少这个过程的成本。最后，我们展示了如何使用现代导数免费优化技术可以提供高达三个数量级的计算节省比以前使用的优化技术。
2015-09-14 physics.chem-ph quant-ph
Noise-Resilient Variational Hybrid Quantum-Classical Optimization
变分混合量子-经典优化是最有前途的途径之一，可以显示当今有噪声的中等规模量子计算机在解决困难问题方面的优势，例如找到哈密顿量的最小能量状态或解决一些机器学习任务。在这些设备中，噪声是不可避免的，也不可能纠错，但它在优化过程中的作用还没有得到很好的理解，特别是从理论的角度来看。在这里，我们考虑一个最小化问题的变分状态，迭代通过参数量子线路，同时考虑到噪声的作用和随机性质的量子测量的结果。我们表明，对于一个固定的迭代次数得到的结果的准确性是有界的变分状态的量子费舍尔信息有关的数量。利用这个界，我们研究了量子近似优化算法在实际噪声模型下的收敛性质，表明了该算法对不同噪声强度的鲁棒性。
2020-11-17 quant-ph stat.ML
randextract: a Reference Library to Test and Validate Privacy Amplification Implementations
针对量子密钥分发中 privacy amplification 步骤的正确性验证需求，本文提出了参考库 randextract，用于测试和验证 privacy amplification 的实现，以保障量子密码协议的最终安全性。
2025-05-30 cs.CR quant-ph
Geometry and symmetry of quantum and classical-quantum variational principles
本文给出了量子变分原理的几何设置，并将其推广到包括经典自由度和量子自由度之间的相互作用。Euler-Poincaré约化理论应用于薛定谔、海森堡和Wigner-Moyal纯态动力学。这种结构导致新的变分原理的混合量子态的描述。相应的动量映射的性质，因为它们产生的基础酉对称性。最后，某些半直积群结构被证明产生新的变分原理狄拉克的相互作用图片和混合经典量子动力学方程。
2015-01-28 math-ph math.MP physics.chem-ph
Hybrid Quantum-Classical Hierarchy for Mitigation of Decoherence and Determination of Excited States
使用由经典计算资源支持的量子设备是实现量子计算的一种有前途的方法。这种混合量子-经典方法的一个示例是变分量子本征求解器（VQE），其被构建为利用量子资源来解决本征值问题，并通过利用经典计算资源来进行具有最小相干时间要求的优化。这些算法已被放置在候选人首先实现至高无上的经典计算。在这里，我们提供了证据的猜想，变分方法可以自动抑制甚至非系统的退相干误差，通过引入一个完全可解的信道模型的变分状态准备。此外，我们展示了如何变分量子经典方法适合在一个更一般的层次结构的测量和经典计算，使人们能够获得越来越准确的解决方案与额外的经典资源。我们证明了数值上的一个样本电子系统，这种方法既可以准确地确定激发电子态，以及减少退相干的影响，而不使用任何额外的量子相干性时间或正式的纠错码。
2016-03-17 physics.chem-ph quant-ph
Classical variational simulation of the Quantum Approximate Optimization Algorithm
量子计算中的一个关键的开放问题是量子算法是否可以潜在地提供比经典算法更大的优势来完成实际感兴趣的任务。理解经典计算在模拟量子系统中的局限性是解决这个问题的重要组成部分。我们介绍了一种方法来模拟分层量子线路组成的参数化门，一个架构背后的许多变分量子算法适用于近期的量子计算机。使用多量子位波函数的神经网络参数化，专注于量子近似优化算法（QAOA）的相关状态。对于模拟的最大电路，我们在4个QAOA层达到54个量子位，大约实现324个RZZ门和216个RX门，而不需要大规模的计算资源。对于较大的系统，我们的方法可以用来提供准确的QAOA模拟在以前未探索的参数值和基准的下一代实验中的噪声中间尺度量子（NISQ）时代。
2021-06-21 cond-mat.dis-nn quant-ph
Lightweight Quantum-Enhanced ResNet for Coronary Angiography Classification: A Hybrid Quantum-Classical Feature Enhancement Framework
Second Clinical Medical College, Nanjing Medical University（南京医科大学第二临床医学院）
本文提出轻量级量子增强型ResNet用于冠状动脉造影图像分类，通过混合量子-经典特征增强提升诊断准确性。
2026-01-22 cs.AI cs.LG quant-ph
Variational Principle for Mixed Classical-Quantum Systems
本文提出了一种扩展的变分原理，给出了由相互作用的经典、准经典和量子分量组成的系统的运动方程，并将其应用于双线性耦合模型。相关的动力学变量以量子态矢量的形式表示，该矢量在其相因子中包含了经典子系统的作用。结果表明，在经典热环境中，量子粒子的布朗态矢量的统计系综可以用一个根据非线性量子Fokker-Planck方程演化的密度矩阵来描述.在高温极限下，考虑定常和非定常初态，得到了该方程的精确解。附录中给出了量子系统和它的经典环境共享的公共时间的处理，作为一个集体变量而不是参数。
2007-06-28 cond-mat.stat-mech gr-qc quant-ph
Quantum entanglement provides a competitive advantage in adversarial games
CSIRO（联邦科学与工业研究组织）
本研究通过量子-经典混合智能体在Pong对抗性马尔可夫博弈中的实验，发现纠缠量子电路在特征提取和竞争性强化学习中优于可分离电路，表明量子纠缠可作为表示学习的功能资源。
2026-06-03 cs.AI cs.LG quant-ph
Training Hybrid Classical-Quantum Classifiers via Stochastic Variational Optimization
King’s College London（伦敦国王学院）
量子机器学习已经成为近期量子设备的潜在实际应用。在这项工作中，我们研究了一个两层的混合经典量子分类器，其中第一层的量子随机神经元实现广义线性模型（QGLM），其次是第二个经典的组合层。第一隐藏层的输入是通过幅度编码获得的，以便在每个神经元的量子比特数量中利用量子神经元的扇入的指数大小。为了便于QGLM的实现，所有权重和激活都是二进制的。虽然此类模型的训练策略的最新技术水平仅限于穷举搜索和类似单神经元感知器的位翻转策略，但这封信介绍了一种随机变分优化方法，可以通过随机梯度实现量子层和经典层的联合训练下降。实验表明，该方法的优点，为各种激活功能的QGLM神经元实现。
2022-01-21 cs.LG eess.SP quant-ph
Toward Neural Network Simulation of Variational Quantum Algorithms
University of Michigan（密歇根大学）；Flatiron Institute（熨斗研究院）
变分量子算法（VQA）利用量子-经典混合结构将高维线性代数问题转化为随机优化问题。尽管有希望利用近中期量子资源来加速这一任务，但VQA相对于完全经典算法的计算优势还没有得到牢固的确立。例如，虽然已经开发了变分量子本征求解器（VQE）来近似高维稀疏线性算子的低阶本征模，但是类似的经典优化算法存在于变分蒙特卡罗（VMC）文献中，利用神经网络代替量子线路来表示量子态。在本文中，我们问，如果经典的随机优化算法可以构建并行其他VQA，重点是变分量子线性求解器（VQLS）的例子。我们发现，这样的建设可以适用于VQLS，产生一个范例，理论上可以扩展到其他类似形式的VQA。
2022-11-05 cs.LG cs.NA math.NA
