Towards Finding an Optimal Flight Gate Assignment on a Digital Quantum Computer
本研究将带循环映射的高效量子比特编码与CVaR聚合函数结合的CVaR-VQE方法用于航班登机口分配优化，经经典模拟验证该方法性能优于朴素VQE，纠缠门可提升效果且求解代价无指数级标度。
2023-02-22 quant-ph
Improving the variational quantum eigensolver using variational adiabatic quantum computing
变分量子本征求解器（VQE）是一种混合量子-经典算法，用于求解包含参数化量子线路优化的哈密顿量的最小本征值。由于所得到的优化问题一般是非凸的，该方法可以收敛到次优的参数值，不产生最小特征值。在这项工作中，我们通过采用变分绝热量子计算（VAQC）的概念来解决这个缺点，作为一个程序，以改善VQE。在VAQC中，连续参数化哈密顿量的基态通过参数化量子线路来近似。我们讨论了VAQC的一些基本理论，以促进混合量子-经典同伦延拓方法的发展。该方法与微分方程数值积分的预估-校正方法具有相似之处。虽然该过程存在理论上的限制，但我们在实践中看到VAQC可以成功地找到良好的初始电路参数来初始化VQE。我们用量子化学中的两个例子来证明这一点。通过这些例子，我们提供的经验证据表明，VAQC，结合其他技术（一个自适应终止标准的经典优化和方差为基础的reservation方法的期望值评估），可以提供更准确的解决方案比“平原”VQE，同样的努力。
2021-08-16 quant-ph
Portfolio construction using a sampling-based variational quantum scheme
本文研究利用基于采样的CVaR变分量子算法结合局部搜索后处理解决交易所交易基金资产组合构建问题，在109量子比特的IBM Heron处理器上实现0.49%的相对解误差，证明量子-经典混合方法优于纯经典方法。
2025-11-07 cs.ET q-fin.CP quant-ph
Improving Variational Quantum Circuit Optimization via Hybrid Algorithms and Random Axis Initialization
本文提出混合算法结合Rotosolve和FQS，提升变分量子电路优化性能。
2025-12-17 quant-ph
The Cost of Improving the Precision of the Variational Quantum Eigensolver for Quantum Chemistry
量子计算给计算量子化学带来了新的希望。虽然通用的、容错的量子计算机仍然不可用，但我们希望利用当今嘈杂的量子处理器。他们的旗舰应用之一是变分量子本征求解器（VQE）--一种计算物理哈密顿量最小能量的算法。在这项研究中，我们研究了各种类型的错误如何影响VQE，以及如何有效地利用可用的资源来产生精确的计算结果。我们利用一个模拟器的噪声量子器件，一个精确的态矢量模拟器，以及物理量子硬件研究分子氢的VQE算法。我们发现，运行混合经典量子优化的最佳方式是（i）允许在中间能量评估中存在一些噪声，每步使用更少的镜头和更少的优化迭代，但需要高的最终读出精度，（ii）强调有效的问题编码和Anesthetic参数化，以及（iii）在短时间内运行所有实验，避免参数随时间漂移。然而，目前公开可用的量子资源仍然非常嘈杂和稀缺/昂贵，即使有效地使用它们，也很难获得可靠的分子能量计算。
2021-11-09 quant-ph
Variational subspace methods and application to improving variational Monte Carlo dynamics
CPHT, CNRS, Ecole Polytechnique, Institut Polytechnique de Paris（巴黎综合理工学院，法国国家科学研究中心）；Collège de France, Université PSL（法兰西公学院，巴黎文理研究大学）；Inria Paris-Saclay（法国国家信息与自动化研究所巴黎萨克雷中心）；LIX, CNRS, École polytechnique, Institut Polytechnique de Paris（巴黎综合理工学院计算实验室，法国国家科学研究中心，巴黎理工学院）；Institute of Physics, Ecole Polytechnique Fédérale de Lausanne (EPFL)（洛桑联邦理工学院物理研究所）；Center for Quantum Science and Engineering, Ecole Polytechnique Fédérale de Lausanne (EPFL)（洛桑联邦理工学院量子科学与工程中心）
本文提出一种可直接操控和优化子空间的框架，通过行列式态映射扩展距离和能量概念，提出Bridge方法以提升变分动力学性能，通过线性组合变分时间演化态减少离散化误差。
2026-04-16 cond-mat.dis-nn quant-ph
Towards secondary structure prediction of longer mRNA sequences using a quantum-centric optimization scheme
本文提出一种量子中心优化框架，将量子采样与经典后处理结合，通过 CVaR 变分量子算法和 IQP 电路方案预测更长 mRNA 序列的二级结构，并在 IBM 量子处理器上验证了其有效性。
2025-05-09 quant-ph
AutoQResearch: LLM-Guided Closed-Loop Policy Search for Adaptive Variational Quantum Optimization
School of Computing；Information Systems Singapore Management University Singapore
本文提出AutoQResearch，通过LLM引导的闭环实验框架，实现变分量子优化中求解器的自适应配置，通过阶段确认和低成本评估避免过拟合，展示在最大独立集和车辆路径问题上的有效性。
2026-07-14 quant-ph
Improving fermionic variational quantum eigensolvers with Majorana swap networks
Faculty of Physics, M. V. Lomonosov Moscow State University（莫斯科国立大学物理系）；Russian Quantum Center（俄罗斯量子中心）；Sber Quantum Technologies Center（Sber量子技术中心）
针对费米子变分量子本征求解器的深度电路问题，提出两种马约拉纳交换网络编译策略，可显著降低电路深度与两量子比特门数量，提升数值噪声模拟鲁棒性。
2026-08-13 quant-ph
Variational quantum eigensolver with linear depth problem-inspired ansatz for solving portfolio optimization in finance
本文设计线性深度、参数数量为 n^2/4 的硬件高效 Dicke 态 ansatz，并结合可扩展 HDC 方案，在 Wu Kong 上以最多 55 量子比特求解 CVaR 投资组合优化。
2024-03-07 quant-ph
VQA for Dynamic Portfolio Optimization: Sampling Strategies, Optimizer Scheduling, and Hardware-Aware Ansatz Design
PINQ 2
研究变分量子算法在动态投资组合优化中的性能，提出自适应CVaR调度、两阶段优化器和两种硬件感知拟设布局，在150量子比特实例和ibm_quebec QPU上验证了采样策略、优化器调度和布局设计对性能的显著影响。
2026-06-08 cs.CE quant-ph
Improving the speed of variational quantum algorithms for quantum error correction
针对变分量子算法用于量子纠错时梯度指数衰减导致训练困难的问题，提出采用1阶量子瓦瑟斯坦距离作为代价函数，经数值验证可显著提升训练成功率与恢复态保真度。
2023-08-25 quant-ph
Error mitigated variational algorithm on a photonic processor
本文在光子处理器上应用零噪声外推技术，成功缓解了光子不可区分性噪声，并在Schwinger哈密顿量的变分量子本征求解中提高了本征值估计精度。
2024-08-07 quant-ph
Improving the efficiency of variational tensor network algorithms
我们提出了几个结果有关的通用张量网络的收缩，并讨论了它们的应用程序的量子多体系统的模拟使用变分方法的基础上张量网络状态。给定一个封闭的张量网络$\mathcal{T}$，我们证明了，如果一个单一的张量从网络的环境可以评估与计算成本$κ$，然后任何其他张量从$\mathcal{T}$可以评估与相同的成本$κ$。此外，我们描述了如何从$\mathcal{T}$的所有单张量环境的集合可以同时评估与固定成本$3κ$。这些结果，这是适用于各种张量网络方法的有用性，证明了优化的多尺度纠缠重正化Anterior（MERA）的基态的一维量子系统，在那里他们被证明大大减少了计算时间。
2015-12-23 cond-mat.str-el quant-ph
Improving Convergence for Quantum Variational Classifiers using Weight Re-Mapping
LMU Munich（慕尼黑大学）
近年来，量子机器学习在变分量子线路（VQC）的使用方面已经有了实质性的增长。VQC受到人工神经网络的启发，人工神经网络作为大规模参数化函数逼近器在广泛的AI任务中实现了卓越的性能。VQC已经展示了有希望的结果，例如，通过利用量子计算中可用的更鲁棒的算法工具箱，在泛化和对训练的更少参数的需求方面。VQC的可训练参数或权重通常用作旋转门中的角度，并且当前基于梯度的训练方法没有考虑到这一点。我们引入了VQC的权重重新映射，将权重明确地映射到长度为$2π$的区间，从传统的ML中汲取灵感，其中数据重新缩放或归一化技术在许多情况下都表现出了巨大的好处。我们采用了一组五个函数，并使用变分分类器作为示例在Iris和Wine数据集上对其进行评估。我们的实验表明，权重重新映射可以提高收敛在所有测试设置。此外，我们能够证明权重重新映射通过$10\%$提高了Wine数据集的测试准确性，而不是使用未修改的权重。
2023-02-15 cs.LG quant-ph
Improving Variational Counterdiabatic Driving with Weighted Actions and Computer Algebra
The University of Tokyo（东京大学）；NTT, Inc.（日本电报电话公司）
通过引入绝热规范势的非唯一性，提出加权变分方法，结合计算机代数算法，优化变分逆绝热驱动协议，在量子伊辛模型中实现更高保真度。
2026-06-12 cond-mat.stat-mech quant-ph
Improving VQE Parameter Quality on Noisy Quantum Processors with Cost-Effective Readout Error Mitigation
本文研究误差缓解对 VQE 的影响，发现低成本 T-REx 技术使旧 5 量子比特设备在基态能量估计上比无缓解的先进 156 量子比特设备准确一个数量级，并证明优化后的变分参数是更可靠的 VQE 性能基准。
2025-08-20 quant-ph
A case study of variational quantum algorithms for a job shop scheduling problem
组合优化模型广泛的工业过程，旨在提高其效率。一般来说，精确地解决这类问题在计算上是难以处理的。因此，从业者依赖于启发式解决方案的方法。变分量子算法是可以用可用的量子硬件来演示的优化算法。在这个案例研究中，我们应用四个变分量子算法在IBM的超导量子处理器上运行的作业车间调度问题。我们的问题优化了钢铁制造过程。5个量子比特的比较表明，与量子近似优化算法（QAOA）、标准变分量子本征求解器（VQE）和变分量子虚时演化（VarQITE）相比，新的滤波变分量子本征求解器（F-VQE）收敛速度更快，对全局最优解的采样频率更高.此外，F-VQE很容易在硬件上解决高达23个量子位的问题，而无需错误缓解后处理。
2022-02-11 quant-ph
Markov Chain Monte-Carlo Enhanced Variational Quantum Algorithms
变分量子算法有望对高维优化产生重大影响，并在经典组合学，量子化学和凝聚态物质中应用。然而，这些算法的优化景观一般是非凸的，导致次优的解决方案，由于收敛到局部，而不是全局，最小值。在这项工作中，我们引入了一个变分量子算法，使用经典的马尔可夫链蒙特卡罗技术可证明收敛到全局最小值。这些性能guurantees来自我们的算法的状态空间的遍历性，使我们能够将其时间复杂度的分析界限。我们通过MaxCut实例的量子线路模拟证明了我们的技术的有效性和我们的分析的有效性，确定性地和完美的精度解决了这些问题。我们的技术广泛地丰富了变分量子算法的领域，提高和gauranteeing这些有前途的，但往往启发式的方法的性能。
2022-02-01 quant-ph
Improving Ground State Accuracy of Variational Quantum Eigensolvers with Soft-coded Orthogonal Subspace Representations
Dipartimento di Fisica dell’Università di Pisa（比萨大学物理系）；INFN - Sezione di Pisa（意大利国家核物理研究所比萨分部）
本文提出了一种通过软编码正交性约束的子空间表示方法，提升VQE算法基态估计精度，适用于Ising模型和自旋玻璃模型的基准测试。
2026-02-18 hep-lat quant-ph
Preconditioning for a Variational Quantum Linear Solver
研究将经典预条件技术应用于变分量子线性求解器，通过不完全LU分解处理随机稀疏矩阵，数值证明其能显著降低所需ansatz深度，从而提升NISQ算法的效率与准确性。
2024-04-23 quant-ph
Optimizing Counterdiabaticity by Variational Quantum Circuits
在数字化绝热演化中利用反绝热（CD）驱动（旨在抑制非绝热跃迁）引起了量子协议和算法的极大兴趣。然而，改善近似CD项与嵌套的交换子anonymous是一个具有挑战性的任务。在这项工作中，我们提出了一种技术，找到最佳系数的CD项使用变分量子线路。通过经典的优化程序，该电路的参数被优化，以提供对应于CD项的系数。并以最近邻伊辛模型的Greenberger-Horne-Zeilinger态制备为例，说明了它们的改进性能。最后，我们还显示了通常的量子近似优化算法的优势，在有界时间的保真度。
2022-08-03 quant-ph
Surrogate-based optimization for variational quantum algorithms
变分量子算法（英语：Variational quantum algorithms）是一种用于近期量子计算机的技术。这些算法的目标是通过将问题分解为大量浅量子线路来执行大型量子计算，并在每个电路执行之间进行经典优化和反馈。提高这些算法性能的途径之一是增强经典优化技术。考虑到传统计算资源的相对容易和丰富，有足够的机会这样做。在这项工作中，我们介绍了学习替代模型的变分电路使用几个实验测量的想法，然后使用这些模型进行参数优化，而不是原始数据。我们证明了这一想法使用代理模型的基础上核近似，通过它，我们重建局部补丁的变分成本函数使用批量的噪声量子线路的结果。通过应用于量子近似优化算法和分子基态的制备，我们证明了基于替代的优化比常用的变分算法的优化技术的优越性。
2023-03-23 quant-ph
Measurement Error Mitigation for Variational Quantum Algorithms
变分量子算法（VQA）是近期量子处理器的一个很有前途的应用，但其结果的质量受到噪声的极大限制。出于这个原因，已经出现了各种错误缓解技术来处理可以应用于这些算法的噪声。最近的工作引入了一种技术，用于减轻期望值对相关测量误差的影响，该技术可以应用于测量10s的量子位。我们将这些技术应用于VQA，并证明其有效性，提高估计的成本函数。此外，我们使用从这种技术产生的数据来实验表征测量误差的设备上的设备连接高达20量子位。这些结果应该是有用的，更好地了解VQA的近期潜力，以及了解大型，近期设备的测量误差的相关性。
2020-10-16 quant-ph
Improving the Accuracy of Variational Quantum Eigensolvers With Fewer Qubits Using Orbital Optimization
本文提出将轨道优化方案融入变分量子本征求解器，通过参数化部分酉变换减少所需量子比特，数值模拟表明该方法能以更少量子比特获得更低的基态能量，显著提升近期量子计算机处理电子结构问题的能力。
2023-10-17 physics.chem-ph quant-ph
Optimally Stopped Variational Quantum Algorithms
量子处理器有望实现高性能计算的范式转变，这需要通过准确的基准测试进行评估。在这项工作中，我们介绍了一个新的基准变分量子算法（VQA），最近提出的小规模量子处理器的启发式算法。在VQA中，经典的优化算法指导处理器的量子动力学为给定的问题产生最佳解决方案。一个完整的评估的可扩展性和竞争力的VQA应该考虑的质量和时间的动态优化。这里采用的最佳停止方法通过明确地将时间作为成本因素来提供这样的评估。在这里，我们展示了这个措施的基准VQA作为一个求解器的一些二次无约束二进制优化。此外，我们表明，一个更好的选择成本函数的经典例程可以显着提高性能的VQA算法，甚至提高它的缩放性能。
2017-10-15 quant-ph
Improving Quantum Optimization to Achieve Quadratic Time Complexity
针对QAOA参数选择难题，提出Penta-O逐层参数设置策略，消除经典外层循环，实现p层QAOA的二次时间复杂度和最小采样开销，实验验证其近最优性能。
2025-01-23 quant-ph
New quantum neural network designs
量子计算机有望改善机器学习。我们研究了新的量子神经网络设计的性能。目前采用的量子神经网络依赖于特征图将输入编码为量子态。这个状态，然后通过一个参数化的变分电路。最后，在经典计算机上进行测量和后处理，以提取量子模型的预测。我们开发了一种新的技术，我们合并的特征映射和变分电路到一个单一的参数化电路和后处理的结果使用一个经典的神经网络。在各种真实的和生成的数据集上，我们证明了新的组合方法优于分离的特征映射和变分电路方法。我们实现了更低的损耗、更高的精度和更快的收敛速度。
2022-03-12 quant-ph
Looking elsewhere: improving variational Monte Carlo gradients by importance sampling
针对变分蒙特卡洛（VMC）训练神经网络量子态（NQS）时尖峰波函数导致的高方差梯度问题，提出自适应调优重要性采样策略，在多种哈密顿量测试中降低计算成本达100倍，提升优化效果。
2025-07-07 cond-mat.dis-nn cond-mat.stat-mech cond-mat.str-el
Learning Equivariant Maps with Variational Quantum Circuits
本文研究在给定有限群的两个酉表示下，利用变分量子电路学习等变映射，从而实现数据的对称嵌入与协变量子信道的学习，并验证了该方法的可行性。
2025-02-11 quant-ph
Variational noise mitigation in quantum circuits: the case of Quantum Fourier Transform
本文提出用变分量子算法在噪声条件下模拟量子傅里叶变换，并引入互无偏基优化，以提升中小规模量子系统在相干噪声主导环境中的保真度与可靠性。
2025-11-07 quant-ph
Improving the Accuracy of the Variational Quantum Eigensolver for Molecular Systems by the Explicitly-Correlated Perturbative [2]-R12-Correction
我们在变分量子本征求解器（VQE）的上下文中提供了通用的微扰显式相关[2] $_\text{R12}$ -校正的积分。这种方法能够显著提高底层参考方法的准确性，同时不需要额外的量子资源。我们提出的方法只需要知识的一个和两个粒子约化密度矩阵（RDM）的参考波函数，这些可以测量后，已经达到收敛VQE。然后将RDM与一组分子积分相结合。这种计算的代价是电子数量的六次方。我们探索VQE+[2] $_\text{R12}$方法的性能，使用传统的高斯基组和我们最近提出的直接确定的对自然轨道获得的多分辨率分析（MRA-PNOs）。在[2] $_\text{R12}$的计算中，高斯轨道和PNO都被作为一个潜在的互补基函数集来研究。特别是MRA-PNOs与[2] $_\text{R12}$的组合已经证明是非常有前途的-在我们的数据中持续存在，这允许以最小基集的量子成本进行非常精确的模拟。此外，我们发现，部署PNO作为互补基可以大大减少以立方复杂度进入校正计算的互补基函数的数量。
2022-05-31 physics.chem-ph physics.comp-ph quant-ph
Variational Quantum Cloning: Improving Practicality for Quantum Cryptanalysis
School of Informatics（信息学院）；CNRS（法国国家科学研究中心）；Sorbonne Université（索邦大学）
对标准量子密码系统的密码分析通常涉及在底层协议上找到最佳对抗攻击策略。在许多情况下，模拟量子攻击的核心原则减少了对手克隆未知量子态的能力，这有助于提取一些有意义的秘密信息。显式最佳攻击策略通常需要高的计算资源，由于大的电路深度，或在许多情况下，是未知的。在这项工作中，我们提出了变分量子克隆（VQC），量子机器学习的密码分析算法，允许对手获得最佳（近似）克隆策略与短深度量子线路，使用混合经典量子技术训练。该算法包含操作上有意义的成本函数与理论保证，量子线路结构学习和梯度下降为基础的优化。我们的方法能够端到端地发现硬件高效的量子线路来克隆特定的量子态家族，这反过来又导致了在量子硬件上实现时克隆fidelites的改进：Rigetti Aspen芯片。最后，我们将这些结果与量子密码原语联系起来，特别是量子抛硬币。我们推导出两个协议的攻击作为例子，基于量子克隆和VQC促进。因此，我们的算法可以改善这些协议的短期攻击，使用近似量子克隆作为资源。
2020-12-21 cs.AI cs.CR cs.LG
Cavity approach to variational quantum mechanics
本文提出了一种局部和分布式算法来寻找量子系统中最小化哈密顿期望的最优试探波函数。为此，该系统的量子态连接到一个经典系统的吉布斯态的耦合集发挥变分参数的作用。平均能量写在复制对称近似和最佳参数获得的启发式消息传递算法的基础上的贝特近似。这种近似算法的性能取决于试验波函数的结构和质量;从经典的孤立元系统开始，即平均场近似，并通过考虑高阶多体相互作用来改进。将该方法应用于横场中的无序量子伊辛模型，并与小系统的精确结果进行了比较。
2012-03-28 cond-mat.stat-mech quant-ph
Simulating Supersymmetric Quantum Mechanics Using Variational Quantum Algorithms
University of Liverpool（利物浦大学）
本文利用变分量子退火算法研究超对称量子力学，提出自适应的变分参数构造算法以降低计算资源需求，并展示IBM真实量子设备上的初步实验结果。
2026-03-19 hep-lat quant-ph
Natural evolution strategies and variational Monte Carlo
University of Michigan（密歇根大学）；EPFL（洛桑联邦理工学院）；Flatiron Institute（弗莱提伦研究所）
量子自然进化策略的概念被引入，它提供了一个几何合成的一些已知的量子/经典算法进行经典的黑箱优化。Gomes等人最近的工作。[2019]在这种情况下，从教学角度回顾了使用神经量子态的启发式组合优化，强调了与自然进化策略的联系。算法框架的说明近似组合优化问题，并发现一个系统的战略，以提高近似比。特别是它被发现，自然进化策略可以实现近似比竞争力与广泛使用的启发式算法的最大切割，在增加计算时间的代价。
2020-11-20 cond-mat.dis-nn cs.LG quant-ph
Improving the accuracy and efficiency of quantum connected moments expansions
仍然成熟的噪声中间尺度量子（NISQ）技术面临着可以有效实现的算法的严格限制。在量子化学中，变分量子本征求解器（VQE）算法已经变得无处不在，它使用量子本征解算器的函数形式作为自由度，其参数在量子处理器和其常规对应物之间的反馈回路中变化。或者，一个有前途的新途径已经被基于哈密顿量的矩的扩展的技术的量子变体所揭示，其中两个突出：连接矩扩展（CMX）[Phys. Rev. Lett. 58，53（1987）]和Peeters-Devreese-Soldatov（PDS）泛函[J. Phys. A 17，625（1984）; Int. J. Mod. Phys. B 9，2899]，后者基于标准矩< $H^k$ >。与基于VQE的方法相比，如果量子线路准备与真实基态具有非零重叠的状态，CMX通常收敛到基态能量，而PDS由于是变分的而保证收敛。然而，对于有限的CMX/PDS阶数，电路可能会显著影响能量精度。在这里，我们使用的ADAPT-VQE算法来测试浅电路的建设策略，预计不会妨碍他们的实施在目前的量子硬件，同时授予相当大的精度提高计算的基态能量。我们还表明，我们可以利用这样一个事实，即在连接时刻的条款是高度经常性的不同的权力，导致大量减少必要的测量。通过将该测量缓存与阈值耦合，该阈值确定是否要基于其相关联的标量系数来测量给定项，我们观察到电路实现的数量进一步减少，同时允许可调精度。
2021-03-23 physics.chem-ph quant-ph
Toward Fault-Tolerant Variational Optimization: QAOA under [[4,2,2]] Error Detection
University of Milano-Bicocca（米兰比可卡大学）；Fondazione LINKS（LINKS基金会）
提出基于[[4,2,2]]错误检测码的部分容错QAOA实现，通过辅助介导逻辑门和稳定子后选择，在多种噪声模型下提升Max-Cut问题最优解采样概率。
2026-10-06 cs.ET quant-ph
