Machine Learning by Adiabatic Evolutionary Quantum System
本文提出通过绝热进化量子系统进行机器学习，利用量子自动机优化解决关系问题，并评估相关算法效率。
2025-11-23 quant-ph
Leveraging Adiabatic Quantum Computation for Election Forecasting
QxBranch；Standard Cognition（标准认知）
从具有任意相关性的全连通图中进行精确、可靠的采样是一个困难的问题。这样的采样需要知道观察图的每个可能状态的概率。随着图形大小的增长，模型状态的数量变得难以处理的大，并且有效的计算需要完全采样被替换为仅是完全采样的近似值的算法和算法。这项工作研究了绝热量子计算对采样目的的潜在影响，建立在最近使用量子设备成功训练玻尔兹曼机的基础上。我们调查的使用情况下，量子计算训练玻尔兹曼机预测2016年总统大选。
2018-01-30 cs.ET cs.LG quant-ph
Adiabatic Quantum Support Vector Machines
Oak Ridge National Laboratory（橡树岭国家实验室）；University of Tennessee（田纳西大学）
本文提出一种训练支持向量机的绝热量子方法，其时间复杂度比经典方法低一个数量级，在多个基准数据集上准确率与 Scikit-learn 经典方法相当，并在大规模特征数据集上实现 3.5--4.5 倍训练加速。
2024-01-23 cs.AI cs.LG quant-ph
Speed-up Quantum Perceptron via Shortcuts to Adiabaticity
量子感知器是量子机器学习的基本构建块。这是一个多学科领域，将量子计算的能力，如状态叠加和纠缠，结合到经典的机器学习方案中。受绝热性捷径技术的启发，我们提出了一种加速量子感知器，其中感知器上的控制场被逆向工程，从而导致具有S形激活函数的快速非线性响应。这导致更快的整体感知器性能相比，准绝热协议，以及在增强的鲁棒性对控制的缺陷。
2021-08-22 quant-ph
Approaching the adiabatic timescale with machine-learning
没有激发的量子系统的控制和操纵是具有挑战性的，这是由于精确地完全建模这种系统的复杂性以及在实验上控制这些固有脆弱系统的困难。例如，虽然理论上已经很好地开发了使玻色-爱因斯坦凝聚体（BEC）比绝热时间尺度（没有激发或损失）更快的方案，但是这些方案的实验实现尚未达到比绝热时间尺度更快的速度。在这项工作中，我们通过实验证明了一种基于机器学习算法的替代方法，该方法朝着这一目标取得了进展。该算法给出了控制的耦合减压和运输的亚稳态氦冷凝物，其性能确定后，通过测量所得到的BEC的激发每次实验迭代。在每次迭代之后，算法调整其系统的内部模型以创建用于下一次迭代的改进的控制输出。在充分控制解压缩的情况下，该算法收敛到一个新的解决方案，该解决方案设置了与绝热时间尺度相关的当前速度记录，击败了基于理论方法的其他实验实现。这种方法为在其他量子系统中实现快速态制备或变换提供了一种可行的方法，而不需要对系统的理论模型进行求解。基础物理和冷却的影响进行了讨论。
2018-09-19 cond-mat.quant-gas quant-ph
Geometric Bounds on the Power of Adiabatic Thermal Machines
我们分析了在两个温差较小的热浴之间运行的缓慢驱动的中、微尺度制冷机和热机的性能。使用一般的缩放参数，我们表明，这样的设备可以任意接近他们的卡诺极限，只有当浴之间的热泄漏被完全抑制。然后，它们的功率输出受到一个普遍的几何约束，在卡诺极限下二次衰减到零。如果适当地优化驱动方案，并且浴槽之间的温差随着驱动频率趋于零，则该界限可以在准静态极限中渐近饱和。这些结果在一般的条件下，允许一个定义良好的绝热反应制度和广义Onsager对称性的任何物理一致的动力学。为了说明，我们制定了量子位冰箱和作为冷却设备的相干电荷泵的模型。
2022-02-17 cond-mat.stat-mech quant-ph
Learning adiabatic quantum algorithms for solving optimization problems
绝热量子算法基本上由三个要素给出：已知基态的初始哈密顿量、其基态对应于给定问题的解的问题哈密顿量以及满足绝热条件的演化时间表。正确选择这些元素对于有效的绝热量子计算是至关重要的。在本文中，我们提出了一个混合量子经典算法来解决优化问题的绝热机假设的限制类可用的问题哈密尔顿。该方案是基于对量子机器的重复调用，使其成为经典的迭代结构。特别是，我们提出了一种技术来学习一个给定的优化问题的编码成一个问题的哈密顿量，我们证明了算法的收敛性。此外，该算法的输出可以用来学习有效的绝热算法的例子。
2019-09-15 math-ph math.MP quant-ph
Adiabatic Quantum Kitchen Sinks for Learning Kernels Using Randomized Features
量子信息处理很可能在人工智能领域产生深远影响。虽然建立纠错量子计算机的竞赛正在进行中，但嘈杂的中等规模量子（NISQ）设备为通过混合量子-经典机器学习算法探索可能的量子优势提供了直接平台。这种混合算法的一个例子是“量子厨房水槽”，它建立在被称为“随机厨房水槽”的经典算法之上，以利用门模型量子计算机用于机器学习应用。我们提出了一种称为“绝热量子厨房水槽”的替代算法，该算法采用绝热量子设备以非线性方式将数据特征转换为新特征，然后可以由经典机器学习算法采用。我们提出了我们的算法进行二进制分类的合成数据集和现实世界的数据集的有效性。在分类精度方面，我们的算法显着提高了性能的经典线性分类器上研究的二进制分类任务，并有可能在当前的绝热量子设备上实现，以解决实际问题。
2019-09-17 physics.comp-ph quant-ph
Adiabatic Quantum Computing for Binary Clustering
用于机器学习的量子计算吸引了越来越多的关注，并且最近的技术发展表明，特别是绝热量子计算可能很快就会有实际意义。因此，在本文中，我们考虑这种范式，并讨论如何采用它的问题的二进制聚类。数值模拟证明了我们的方法的可行性，并说明了量子比特系统如何自动地向一个解决方案发展。
2017-06-17 quant-ph stat.ML
Performance of quantum heat engines via adiabatic deformation of potential
提出了一个由两个等容冲程和两个绝热冲程组成的量子奥托发动机模型，其中绝热膨胀或压缩是通过热力学改变势的形状来实现的.在这里，我们表明，这样的绝热变形可能会改变操作模式，并通过增加输出功和效率，提高机器的性能，甚至具有降低工作波动的优点。通过优化控制参数，使热机在最大功率下运行，效率表现出一定的普适性。
2022-02-14 cond-mat.stat-mech quant-ph
Efficient Generation of Spin Cat States
自旋猫态是实现海森堡极限量子精密测量的有希望的候选者。我们认为自旋猫态可以通过绝热演化产生。然而，由于有限的相干时间，绝热过程可能太慢而不实用。为了加快状态生成，我们建议使用机器优化来生成所需的自旋猫状态。我们提出的方案只依赖于实验证明的单轴扭转相互作用与分段时间调制的旋转设计通过机器优化。所需的演化时间比绝热演化的演化时间短得多，并且它不会对现有的实验装置进行大的修改。我们的协议与机器优化是有效的，易于实现的国家的最先进的实验。
2022-02-10 quant-ph
Quantum heat machines enabled by the electronic effective mass
在这封信中，我们分析了一个概念设计的奥托循环热机的电子有效质量的绝热修改驱动的操作。例如，可以通过在某些材料中施加外部电子场来实现这种定制，如在氮化镓（GAN）中。我们发现，由于这种结构上的能量量子化和有效质量的绝热变换，机器的性能可以得到改善。实现经典的不可想象的奥托机器，具有不可压缩的工作物质，也可以实现。我们的发现持有的情况下，电子有效质量，在低温制度，在等容中风期间保持不变。
2019-08-02 cond-mat.stat-mech quant-ph
An adiabatic quantum algorithm for the Frobenius problem
丢番图弗罗贝纽斯问题（Diophantine Frobenius problem）是一个著名的NP难题（也称为邮票问题或鸡块问题），其起源于组合数论领域。在本文中，我们提出了一个绝热量子算法，解决它，使用所谓的Apéry集的数值半群，通过转换成一个QUBO问题。该算法专门设计用于在D-Wave 2X机器中运行。
2019-07-03 math.CO quant-ph
Quantum Adiabatic Feature Selection
模糊性约简是机器学习和模式识别的基本问题。在数据预处理过程中，为了降低计算复杂度，往往需要进行特征选择。特征选择问题被归类为NP优化问题。在经典计算机上，对庞大的特征集进行穷举搜索需要花费大量时间。本文讨论了量子绝热计算在双二次优化特征选择中的作用，并给出了一种量子特征选择算法。我们的算法运行的量子绝热时间复杂度界$O(1/g_{min}^{2})$，这是优于经典的双二次特征选择方法。
2019-09-18 quant-ph
Adiabatic quantum learning
绝热量子控制协议由于其鲁棒性和对实际执行时间的不敏感性而受到量子计算的广泛关注。作为对已有量子学习算法的扩展，本文提出了完全基于绝热量子演化的量子学习协议，称为“绝热量子学习”。在传统的量子机器学习协议中，输出通常是预先选择的可观测值的期望值，并且其投影测量迫使量子线路运行多次以获得具有合理精度的输出。相比之下，这里提出的绝热量子学习可以与未来的绝热弱测量协议集成，其中系统的单个测量允许提取感兴趣的可观测量的期望值，而不破坏相关的量子态。我们用简单的例子来说明我们的主要思想。
2023-03-02 quant-ph
Long-time coherent quantum behaviour of the D-Wave machine
大量的实验已经证明了D-Wave量子计算机长时间运行的量子行为。据报道，单个通量量子比特的退相干时间为纳秒量级，这比在秒的时间尺度上进行计算所需的时间要短得多。在我们的贡献中，我们研究了一个模型的四个量子比特与一个声子耦合和（可选）的环境粒子的高密度的状态，称为gravonons。计算表明，当没有引力子存在时，量子比特中的电流在某个时候翻转，绝热演化停止。含时波泛函成为许多激发态的不可校正的叠加。结果表明，当考虑引力子纠缠时，可以有效地抑制电流翻转，并允许继续绝热演化。然而，这种绝热演化是高维时空中的相干演化，不能理解为四维时空中薛定谔含时方程的解。与薛定谔的时间发展相比，演化速度大大减慢，但仍然是绝热的。我们的模型的性质正确地反映了实验发现的行为的D波机和解释的因素$10^8$的差异之间的退相干时间和量子计算时间。观察和我们的解释是在类比的$10^8$差异因子发现，当比较实验结果的吸附质量子扩散速率与薛定谔的时间依赖方程的预测，这也可以解决在一个模型中的耦合到引力子。
2015-03-31 quant-ph
Spin networks on adiabatic quantum computer
本文讨论了在绝热量子计算机上实现自旋网络态的可能性。重点讨论了现有技术的应用，并分析了一个具体的例子D波机。介绍了一类可以在D-Wave量子处理器的Chimera图结构上实现的简单自旋网络态。然而，需要在当前可用的量子处理器拓扑结构之外进行扩展，以模拟更复杂的自旋网络状态，这可能会激发新一代绝热量子计算机的发展。讨论了模拟圈量子引力的可能性，提出了一种利用绝热量子计算求解图不变标量（哈密顿量）约束的方法。
2018-01-18 gr-qc hep-th quant-ph
Adiabatic Quantum Computing for Solving the Weapon-Target Assignment Problem
量子计算有望在诸如机器学习和复杂优化问题的各个领域中显著提高计算能力。最近的技术进步表明，绝热量子计算模拟器可能很快就会看到实际应用。在这项工作中，我们采用这种计算范式开发一个基于量子计算的求解器的著名的武器目标分配问题，NP-难的非线性整数规划优化任务。通过数值模拟量子比特系统向模型哈密顿量中编码的最优解的绝热演化，证明了所提出模型的可行性。总的来说，所描述的方法不限于武器管理的背景下，但稍微修改的模型哈密尔顿，适用于工人的任务分配优化一般。
2021-05-05 quant-ph
Quantum and Classical in Adiabatic Computation
绝热输运提供了操纵量子态的有力途径。通过在一个容易初始化的状态下准备一个系统，然后慢慢地改变它的哈密顿量，人们可以获得否则无法获得的量子态。此外，一个明智的选择最终的哈密顿量，其基态编码的解决方案的问题允许绝热传输用于通用的量子计算。然而，环境的退相效应限制了开放系统可以支持的量子关联，并降低了这种绝热计算的能力。我们量化这种影响，允许系统演变的一组有限的量子态，物理启发的经典优化算法和量子绝热优化之间的联系。这种新的视角使我们能够开发基准来约束绝热计算所利用的量子相关性。我们将这些应用于D波维苏威机器，结果虽然不确定，但很有启示性。
2014-05-20 cond-mat.stat-mech quant-ph
On the adiabatic quantum dynamics of fabricated Ising chains
量子计算的物理实现必须仔细检查它们在真实条件下的可靠性，以便被视为可行的候选者。在所提出的模型中，基于绝热量子动力学的模型在解决特定任务方面表现出了巨大的潜力，并且已经成功地使用超导设备实现。在这种情况下，我们解决的问题是如何制造的变化预计影响平均计算结果，当只有动态效应发生。通过模拟小规模系统的动态，它被发现一个相当大的鲁棒性的计算时，分析从这样的机器的合奏获得的结果。此外，还讨论了绝热性条件是否可以作为绝热性的定量度量，从四个已知条件的分析中，得出没有一个条件可以有这样的用途。
2017-06-22 quant-ph
The quantum Otto cycle in a superconducting cavity in the non-adiabatic regime
我们分析了量子奥托循环应用于超导腔的效率。我们认为它的描述在一个完整的量子标量场在一个一维腔与时间相关的边界条件，可以外部控制执行和提取工作的系统酉。我们研究的性能，这台机器时，作为一个热机以及制冷机。结果表明，在非绝热状态下，量子循环的效率受到动态Casimir效应的影响，该效应引起一种量子摩擦，降低了效率。我们还发现了一些参数区域，在这些参数区域中，这种效应非常强烈，以至于机器不再能作为发动机工作，因为产生的功完全被量子摩擦消耗掉了。然而，这种效果可以避免一些特定的时间演化的边界条件，不改变腔中的模式的占用数，从而导致一个高度提高的效率。
2021-11-30 hep-th quant-ph
High-accuracy Ising machine using Kerr-nonlinear parametric oscillators with local four-body interactions
基于绝热量子计算的LHZ方案，具有局域四体相互作用的二维Kerr非线性参量振荡器（KPO）阵列是实现具有全对全自旋耦合的Ising机的一个很有希望的候选者.然而，只对少数几个关键专业干事的业绩进行了评价。通过数值模拟更多的KPO，在这里，我们表明，性能可以显着改善，通过减少四体相互作用引起的光子数的不均匀性。光子数的差异可以通过根据KPO的位置调节它们的失谐量来校正，而无需在绝热时间演化过程中监测它们的状态。该校正可以独立于LHZ方案中的KPO的数量使用，因此可以应用于大规模实现。
2020-05-28 cond-mat.mes-hall quant-ph
Quantum Computation Based on Quantum Adiabatic Bifurcations of Kerr-Nonlinear Parametric Oscillators
最近，作者和其他人提出了具有克尔非线性参量振荡器（KPO）的量子计算机。使用KPO的量子计算是基于KPO的量子绝热分叉，其导致相干态的量子叠加，例如薛定谔猫态。因此，这些量子计算机被称为“量子分叉机（QBM）”。“QbM可用于量子绝热优化和通用量子计算。具有约瑟夫森结的超导电路，特别是约瑟夫森参量振荡器（JPO），是实现KPO的一个很有前途的物理器件。因此，KPO和QBM不仅提供了实现量子比特（qubit）和量子计算机的新途径，而且还提供了JPO的新应用。在这里，我们从理论上解释KPO和QBM的物理，比较它们与耗散对应物。它们的物理实现与超导电路也被提出。
2018-08-31 quant-ph
Gates for Adiabatic Quantum Computing
本文的目标是介绍绝热量子算法的构建块。绝热量子计算使用量子退火的原理，这意味着仔细控制的能量解决方案是最佳的，并且对应于最小化离散函数。输入函数可以受到奖励和惩罚的影响，以支持满足问题所施加的限制的解决方案。我们展示了如何在绝热量子计算中实现这种对门的影响，特别是受控非门（CNOT门），它是两个或多个量子比特上所有量子门的基础。此外，我们适应Toffoli门，Fredkin门，和Hadamard门的伊辛目标函数，这是离散优化的基础上D波系统的机器。本文中的量子工作包括布尔运算，其中一些用于构建门。我们认为本文中构建模块的可能优势将增强D-Wave系统计算机上的量子算法。
2014-08-26 quant-ph
Adiabatic Fine-Tuning of Neural Quantum States Enables Detection of Phase Transitions in Weight Space
QuTech；Kavli Institute of Nanoscience（卡夫利纳米科学研究所）；Delft University of Technology（代尔夫特理工大学）
本研究针对神经量子态编码物理信息的可解释性挑战，提出绝热微调方案，通过在相图上训练NQS形成强关联权重表示，仅分析权重即可检测量子系统相变，为物理领域机器学习模型解释性提供新方向。
2025-04-18 cs.LG quant-ph
Adiabatic training for Variational Quantum Algorithms
针对VQA训练中的贫瘠高原问题，提出由经典计算机、门量子计算机和绝热量子计算机构成的混合QML模型，并用绝热优化替代梯度优化，验证两类量子计算集成的可行性。
2024-10-24 cs.ET quant-ph
Quantum Semantic Learning by Reverse Annealing an Adiabatic Quantum Computer
Università degli Studi di Bologna（博洛尼亚大学）；Istituto di Fotonica e Nanotecnologie, Consiglio Nazionale delle Ricerche（国家研究委员会光子学与纳米技术研究所）；Dipartimento di Fisica, Universitá degli Studi di Milano Bicocca（米兰比可卡大学物理系）
玻尔兹曼机构成了一类神经网络，通常应用于图像重建，模式分类和无监督学习。它们最常见的变体，称为受限玻尔兹曼机（RBM），在现有硅基硬件的可计算性和可能应用的通用性之间表现出良好的权衡。然而，成果管理制的推广十分有限，因为其培训过程证明是艰难的。商业绝热量子计算机（AQC）的出现提高了人们的期望，即在这种量子设备上实现RBM可以提高传统硬件的训练速度。然而，到目前为止，RBM网络在AQC上的实现受到每个量子位作为神经网络节点时的低量子位连接性的限制。在这里，我们展示了AQC上完整RBM的可行性，这要归功于将其节点与虚拟量子位相关联的嵌入，从而优于先前基于不完整图的实现。此外，为了加速学习，我们实现了语义量子搜索，与以前的建议相反，由于反向退火时间表，将输入数据作为初始边界条件来开始RBM的每个学习步骤。与更传统的前向退火时间表不同，这种方法允许在训练数据的有意义邻域中对配置进行采样，从而模仿经典吉布斯采样算法的行为。我们发现，基于反向退火的学习快速提高了一个有意义的子集的配置的采样概率。即使没有适当的优化退火时间表，通过反向退火语义训练的RBM在重建任务上也能获得更好的分数。
2020-03-27 cs.LG quant-ph stat.ML
Image recognition with an adiabatic quantum computer I. Mapping to quadratic unconstrained binary optimization
许多人工智能（AI）问题自然映射到NP难优化问题。这有一个有趣的结果，即在机器中实现人类水平的能力通常需要能够处理形式上棘手问题的系统。这个问题有时（但可能不总是）可以通过构建专用的启发式算法来解决，针对所讨论的问题。由于自动化某些人类自然任务的持续困难，人工智能研究人员仍然有强烈的动机去研究和应用新的算法和技术来解决人工智能难题。最近，已经提出了一类新的需要量子力学硬件的相关算法。这些算法，被称为量子绝热算法，代表了一种新的方法来设计完整的和启发式求解NP难优化问题。在这项工作中，我们将描述如何将图像识别（这是一个典型的NP-难AI问题）公式化为二次无约束二进制优化（QUBO）问题。QUBO格式对应于D-Wave超导绝热量子计算（AQC）处理器所需的输入格式。
2008-04-28 quant-ph
High-fidelity non-adiabatic cutting and stitching of a spin chain via local control
我们提出并分析了一种基于自旋之间海森堡交换耦合的局部“切割”和“缝合”来操纵量子自旋系统的非绝热效应。第一个操作是切割将单个自旋与线性链分开的键，或者切割用于环形自旋阵列的两个相邻键。我们证明了即使经过非绝热过程，不连续自旋也可以保持在基态，并且具有很高的保真度。接下来，我们考虑缝合这些债券的逆操作，以增加系统的大小。我们表明，最佳控制算法可以找到通过使用普通的数值程序与一个简单的双参数控制功能，能够产生一个高保真的切割和缝合。这些结果可以应用于操纵量子点系综，被认为是量子信息技术的前景元素，并为基于量子热力学的机器设计。
2018-10-22 quant-ph
Adiabatic Quantum Feature Selection for Sparse Linear Regression
Indian Institute of Technology Hyderabad（印度理工学院海得拉巴分校）；TCS Research（塔塔咨询服务研究院）
线性回归是一种流行的机器学习方法，用于从自变量或特征学习和预测实值输出或因变量。在许多现实问题中，执行稀疏线性回归以识别有助于预测因变量的重要特征是有益的。它不仅有助于获得可解释的结果，而且在特征数量较多而数据量较少时避免过拟合。实现这一点的最自然的方法是使用“最佳子集选择”，通过将参数上的$\ell_0$范数添加到最小二乘损失来惩罚非零模型参数。然而，这使得目标函数即使对于少量特征也是非凸的和难以处理的。本文的目的是解决棘手的稀疏线性回归$\ell_0$范数使用绝热量子计算，量子计算范式，是特别有用的更快地解决优化问题。我们将$\ell_0$优化问题表示为二次无约束二元优化（QUBO）问题，并使用D-Wave绝热量子计算机解决它。我们研究并比较了QUBO解决方案在合成和真实世界数据集上的质量。结果表明，所提出的绝热量子计算方法在寻找最优解的有效性。QUBO解决方案匹配数据集上各种稀疏惩罚值的最佳解决方案。
2021-06-04 cs.LG quant-ph stat.ML
Determining ground-state phase diagrams on quantum computers via a generalized application of adiabatic state preparation
当哈密顿量的参数变化时，量子相变表现为基态能量的能级交叉。由此产生的基态相图在经典计算机上通过精确对角化可以直接确定，但在量子计算机上具有挑战性，因为需要精确度和接近能级交叉点的竞争态的近简并性。在这项工作中，我们使用本地绝热斜坡状态准备，使我们能够直接计算基态相图的量子计算机上通过时间演化。这种方法是通过检查的XY模型的基态与一个磁场在z方向上的一个维度。我们能够使用IBM量子机计算两个和三个站点系统的精确相图。
2021-12-08 cond-mat.other cond-mat.stat-mech quant-ph
The laws of thermodynamics for quantum dissipative systems: A quasi-equilibrium Helmholtz energy approach
利用准平衡Helmholtz能量（qHE），即准静态过程中的热力学功，研究了等温过程以及绝热和等温状态之间的过渡过程（绝热过渡）的热力学性质。在这里，功定义为在随时间变化的扰动下，从一个稳态到另一个稳态的能量变化。特别地，准静态变化的功被认为是热力学功。我们采用了一个系统浴模型，该模型涉及在系统和系统浴相互作用随时间变化的扰动。我们进行了三冲程热机（开尔文-普朗克循环）的数值实验。为此，我们采用分层运动方程（HEOM）的方法。这些实验涉及绝热过渡场，描述了系统和浴之间的绝热壁的操作。热力学功图的外场及其共轭变量，类似于$P$ -$V$图，介绍了分析所做的工作，为系统的循环。我们发现，这台机器的热力学效率为零，因为领域的等温过程作为一个冰箱，而绝热壁作为一个热机。这是开尔文-普朗克声明的数值表现，该声明指出不可能从单一热源获得机械效应。这些HEOM模拟用作热力学公式的严格测试，因为热力学第二定律仅在绝热壁的操作中涉及的功被准确处理时才有效。
2022-07-05 cond-mat.stat-mech physics.chem-ph quant-ph
Provably Efficient Adiabatic Learning for Quantum-Classical Dynamics
本文提出可证明高效的绝热学习算法PEAL，建立量子-经典绝热动力学的通用理论框架，实现对数级采样复杂性，并在Holstein模型上验证了其预测与迁移学习能力。
2024-08-08 cond-mat.str-el physics.comp-ph quant-ph
Performance of superadiabatic quantum machines
我们研究了基于捷径绝热技术的有限时间量子热机的性能。我们计算效率和功率的量子谐波奥托发动机的能量消耗的超绝热驱动明确考虑。我们进一步推导出两个量的通用上限，有效的任何热机循环，使用的概念，量子速度限制驱动系统。我们证明，这些量子边界比那些来自热力学第二定律更紧。
2016-11-28 cond-mat.stat-mech quant-ph
Quantum speedup in stoquastic adiabatic quantum computation
量子计算为解决某些数学问题提供了与经典计算机相比的指数加速。受当前在量子计算设备上的快速实验进展的激励，已经研究了各种量子计算模型以显示量子计算优势。在商业方面，量子退火机实现了具有横场的量子伊辛模型，并以图解法求解组合优化问题。这台机器的计算能力与绝热量子计算（AQC）密切相关，具有受限类型的哈密顿量，即随机哈密顿量，并且被认为与通用量子计算机相比相对较弱。对于随机哈密顿量的AQC计算量子加速和优势知之甚少。在这里，我们描述的计算能力与随机哈密顿量，我们称之为stoqAQC的AQC。我们构造了一个具体的stoqAQC模型，它的最低能隙是多项式下界的，因此可以在多项式时间内得到最终态。然后，我们表明，它可以模拟通用的量子计算，如果自适应单量子比特的测量在非标准的基础上允许的最终状态。即使测量被限制为非自适应测量，以尊重AQC的鲁棒性，所提出的模型表现出量子计算的优越性，经典的模拟是不可能的复杂性下的理论架构。此外，发现这样的stoqAQC模型可以模拟Shor算法并在多项式时间内解决因子分解问题。我们还提出了如何克服测量缺陷，通过量子纠错的stoqAQC模型，也是一个实验上可行的验证计划，以测试是否stoqAQC是忠实地做。
2018-03-27 cond-mat.dis-nn cond-mat.stat-mech cs.CC
Defects in Quantum Computers
从通用量子计算机到绝热量子计算或量子退火的兴趣转移需要广泛适用且易于实现的测试来评估量子或绝热如何成为特定硬件。在这里，我们提出了这样一个测试的基础上，一个完全可解的多体系统-在横向场的量子伊辛链-并实现它的D波机。理想的绝热淬火的量子伊辛链应导致一个有序的破缺对称基态与所有的自旋在同一方向上对齐。实际的失超可能由于退相干、噪声、所实现的哈密顿量中的缺陷而不完美，或者仅仅是太快而不能绝热。不完美会导致拓扑缺陷：自旋改变方向，扭结打断链的有序部分。这种缺陷的数量量化了量子计算机错过基态的程度，因此是不完美的。
2018-03-06 quant-ph
Multiple Query Optimization on the D-Wave 2X Adiabatic Quantum Computer
D-Wave绝热量子退火机利用量子物理学解决了困难的组合优化问题。最新版本具有超过1000个量子位，并于2015年8月发布。我们被允许访问这样一台机器，目前托管在加利福尼亚州的NASA艾姆斯研究中心，以探索在数据库环境中出现的硬优化问题的潜力。在本文中，我们解决了多个查询优化（MQO）的问题。我们将展示如何将MQO问题实例转换为符合量子退火机接受的限制性输入格式的数学公式。这个公式被转换成量子比特上和量子比特之间的权重，这样可以通过一个称为绝热量子退火的过程找到最小化输入公式的配置。我们分析了MQO问题维度中所需量子位数的渐近增长率，因为量子位数是目前限制适用性的主要因素。我们实验比较的量子退火对其他MQO算法在传统计算机上执行的性能。虽然目前可以处理的问题规模有限，但我们已经发现了一类问题实例，其中量子退火器比其他方法快三个数量级。
2015-10-21 cs.DB quant-ph
Universal two-level quantum Otto machine under a squeezed reservoir
我们研究了一个奥托热机，它的工作物质是一个单一的两能级系统与冷的热库和压缩的热库相互作用。通过调整压缩或绝热性参数（过渡的概率），我们表明，我们的两级系统可以作为一个通用的热机，无论是通过消耗热量或消耗用于冷却或加热环境的工作产生净功。使用我们的模型，我们研究这些机器的性能在有限时间制度的等熵冲程，这是一个制度，有助于使他们有用的从实用的角度来看。
2020-06-25 quant-ph
The heat and work of quantum thermodynamic processes with quantum coherence
能量通常通过两个独立的路径被划分为热和功，这两个路径对应于量子系统的本征能量或概率分布的变化。各种量子热力学过程的热和功的差异在文献中还没有得到很好的表征。在这里，我们展示了量子机器中的工作是如何与等容、等温和绝热过程有区别的。我们证明了量子等容和等温过程中的能量交换仅仅依赖于本征能量或几率分布的变化。然而，对于非绝热量子演化中的含时系统，表征量子相干性的不同量子态之间的跃迁会影响系统的基本热力学性质，因此，对于微观一般含时系统，热和功的一般定义应予以澄清.通过在量子自旋进动的精确可解动力学中引入相干效应，将内能严格转化为热力学绝热过程中的功。研究表明，量子绝热过程是热力学绝热过程的充分过程，但不是必要过程。
2017-11-10 quant-ph
Extrapolation of polaron properties to low phonon frequencies by Bayesian machine learning
本文提出利用贝叶斯机器学习在低维希尔伯特空间中预测极化子性质，实现对声子频率的外推，并显著减少获得极化子色散关系所需的精确量子计算次数。
2023-12-15 cond-mat.supr-con quant-ph
Solving Sensor Placement Problems In Real Water Distribution Networks Using Adiabatic Quantum Computation
量子退火是近年来出现的一种解决大规模组合最优化问题的量子计算方法。在本文中，我们制定的问题正确放置压力传感器的供水管网（WDN）作为一个组合最优化问题的形式，二次无约束二进制优化（QUBO）或伊辛模型。最佳传感器位置确实是检测和隔离故障事件的关键。我们概述了QUBO和伊辛公式的传感器布局问题从网络拓扑结构和一些其他功能。我们提出了一个详细的过程来解决这个问题，通过使用PyQUBO，一个开源的Python库最小化其哈密顿量。然后，我们将我们的方法应用到一个真正的配水网络的情况下。模拟退火和混合量子经典的方法上的D波机。
2021-08-20 math.OC quant-ph
Correspondence Between Ising Machines and Neural Networks
Department of Mathematics, University of Texas at Austin（数学系，德克萨斯大学奥斯汀分校）
本文将Ising模型的基态计算推广至高温下的自旋平均计算，建立了Ising设备与神经网络间的系统性对应关系，并提出在Ising硬件上运行前馈神经网络的方法且给出了其成功的数学证明。
2025-11-02 cond-mat.dis-nn cs.ET cs.LG
Dissipative quantum bifurcation machine: Quantum heating of coupled nonlinear oscillators
最近提出了一种无耗散非线性振子驱动网络，用于求解通过其分岔点的量子绝热演化的组合优化问题。在这里，我们研究的行为的量子分岔机的存在耗散。我们的数值研究表明，耗散量子分岔机的输出概率分布是玻尔兹曼型的，其中玻尔兹曼分布中的能量对应于优化问题的成本函数。我们解释玻尔兹曼分布的量子加热的概念，在一个单一的振荡器的情况下，多个耦合振荡器。目前的结果还表明，这种驱动耗散非线性振荡器网络可以应用于玻尔兹曼采样，这是使用，例如，人工智能领域的玻尔兹曼机器学习。
2017-07-11 quant-ph
Construction of Energy Functions for Lattice Heteropolymer Models: A Case Study in Constraint Satisfaction Programming and Adiabatic Quantum Optimization
与连接粒子相互作用相关的优化问题是聚合物科学、蛋白质折叠和物理科学中其他重要问题的核心。在这篇评论中，我们将解释如何将这些问题转化为约束满足问题，如线性规划，最大可满足性和伪布尔优化。通过以这种方式编码问题，可以利用计算机科学界的大量洞察力和强大的求解器，这些计算机科学界研究用于各种应用的约束编程，例如物流，调度，人工智能和电路设计。我们演示了如何约束和嵌入晶格杂聚物的问题，使用几种策略。每一个都在约束的数量、约束的复杂性和变量的数量之间取得了独特的平衡。最后，我们展示了如何减少这些能量函数中耦合的局部性，以便它们可以在现有的量子退火机上实现为哈密顿。我们打算将这一审查作为一个案例研究编码相关的组合优化问题的绝热量子优化的形式适合。
2013-06-11 cond-mat.soft math-ph math.MP
Superadiabatic quantum friction suppression in finite-time thermodynamics
热力机械的最佳性能通过抑制摩擦来实现。量子热力学中的摩擦是由产生非绝热激发的快速驱动方案引起的。量子器件的远离平衡态的动力学可以通过绝热性的捷径来抑制量子摩擦。实验证明了以囚禁的幺正费米气体为工质的无摩擦超绝热冲程，并建立了超绝热平均功与其绝热值之间的等价关系。
2017-11-02 cond-mat.quant-gas physics.atom-ph quant-ph
Efficiency large deviation function of quantum heat engines
小型热机的效率通常是一个波动的量。本文研究了谐振子和二能级奥托循环两种典型量子热机的效率大偏差函数。虽然效率统计遵循Verley et al. [Nature Commun. 5，4721（2014）]对于非绝热驱动，我们发现后一种框架不适用于绝热区域。我们将这一不寻常的性质与一般发生在广泛的一类标度不变的绝热量子奥托热机和抑制热以及量子波动的工作输出和热输入之间的完美关系。
2020-08-04 cond-mat.stat-mech quant-ph
Friction-free quantum machines
量子热机在有限时间内的运行通常面临效率和功率之间的权衡。使用绝热性（STA）的捷径，可以避免这种权衡，以设计以最大效率和可调输出功率运行的热机。我们展示了使用STA工程师一个可扩展的超绝热量子奥托循环，并报告最近的实验进展，以定制有限时间量子热力学中的量子摩擦。在存在量子摩擦的情况下，还表明使用多粒子工作介质可以提高量子机器相对于单粒子热机的整体性能。
2018-06-19 cond-mat.quant-gas cond-mat.stat-mech quant-ph
Speedup of the Quantum Adiabatic Algorithm using Delocalization Catalysis
提出了一种利用多体离域催化加速量子绝热算法的方法。这适用于随机场反铁磁伊辛自旋模型。该算法是催化在这样一种方式，进化近似海森堡模型在其过程中，该模型是在一个离域阶段。我们数值计算表明，我们可以加快标准算法找到的基态的随机场伊辛模型使用这种想法。我们还表明，加速是由于间隙放大，即使底层模型是不是挫折免费。交叉加速大致发生在相互作用的值，这是已知的离域过渡的关键之一。我们还计算了参与率和纠缠熵作为时间的函数：它们的时间依赖性表明系统正在探索更多的状态，并且它们比没有催化剂时更纠缠。总之，所有这些证据表明，加速与离域有关。即使只有相对较小的系统可以调查，证据表明，缩放的方法与系统的大小是有利的。我们的方法是从一个小型的在线IBM量子计算机的实验结果说明，显示如何验证这种方法在未来的机器改进。与标准算法相比，催化方法的成本只是一个常数。
2021-04-03 quant-ph
Grover Search Inspired Alternating Operator Ansatz of Quantum Approximate Optimization Algorithm for Search Problems
该研究利用绝热量子搜索与绝热量子计算的框架映射，通过对绝热量子搜索的含调度哈密顿量做Trotter化得到QAOA的变分参数，无需迭代机器学习即可将Grover搜索的最优性能迁移至QAOA框架。
2023-04-28 quant-ph
Training a Binary Classifier with the Quantum Adiabatic Algorithm
本文描述了如何使二进制分类问题适合于量子计算。一个配方，其中的二元分类器被构造为一组弱分类器的阈值线性叠加。叠加中的权重在学习过程中被优化，该学习过程努力使训练误差以及所使用的弱分类器的数量最小化。对于这个问题没有有效的解决方案是已知的。为了将其带入允许绝热量子计算（AQC）应用的格式中，我们首先表明，权重需要表示的位精度仅随训练示例的数量与弱分类器的数量的比率而几何地增长。这允许将训练过程有效地公式化为二元优化问题。解决它与启发式求解器，如禁忌搜索，我们发现，由此产生的分类优于广泛使用的最先进的方法，AdaBoost，在各种基准问题。此外，我们发现了一个有趣的事实，即位约束学习机通常具有较低的泛化错误率。将测量训练误差的损失函数从0-1损失更改为最小二乘，将训练映射为二次无约束二进制优化。这对应于D-Wave实现AQC所需的格式。使用启发式求解器的模拟再次产生比使用boosting方法获得的结果更好的结果。由于所得到的二次二进制程序是NP难的，因此可以预期应用实际的量子处理器可以获得额外的增益。
2008-11-04 quant-ph
Quantum adiabatic optimization with Rydberg arrays: localization phenomena and encoding strategies
针对量子绝热优化中编码策略的量子开销问题，研究里德堡阵列编码方案的能隙标度与局域化，提出量子感知改进方法，实现绝热性能指数提升，强调编码时需考虑量子效应。
2025-04-18 cond-mat.dis-nn cond-mat.quant-gas physics.atom-ph
Deep reinforcement learning for robust quantum optimization
基于人工神经网络的机器学习技术已经成功地应用于解决许多科学问题。机器学习中最有趣的领域之一，强化学习，对于物理学中的优化问题具有天然的适用性。在这项工作中，我们使用深度强化学习和Chopped Random Basis优化来解决基于在量子Szilard引擎中插入偏心屏障的优化问题。我们表明，使用设计的协议的时间依赖性的屏障强度，我们就能实现波函数的相等分裂（在屏障的任一侧找到粒子的概率为1/2），即使对于不对称的Szilard发动机，在测量粒子在哪一侧被发现时也不会丢失信息。绝热的Szilard发动机可以以与传统的Szilard发动机相同的效率操作，其中绝热地插入中央屏障。我们比较了这两种优化方法，并展示了强化学习在构建鲁棒和抗噪声协议方面的优势。
2019-04-09 physics.comp-ph quant-ph
Measurement-induced operation of two-ion quantum heat machines
我们展示了如何通过使用两个相互作用的被困离子，在存在的热浴中实现量子热机。离子的电子态就像工作物质一样，而振动模式则被模拟为冷浴。通过电子态的投影测量来模拟与冷浴的热交换。我们展示了如何在一个合适的基础上，这样的测量可以导致量子热机或冰箱，经历了量子奥托循环。局部磁场在热循环过程中发生磁致变化。热机的性能取决于离子之间的相互作用强度、磁场和测量成本。在我们的模型中，与量子热机的其他现有方案不同，在热循环期间，与热浴和冷浴的耦合从未以替代方式关闭。这使得我们的建议在实验上可实现使用当前的抽头离子技术。
2017-03-17 quant-ph
Nonequilibrium fluctuations of a driven quantum heat engine via machine learning
我们提出了一种基于人工神经网络的机器学习方法，以更快地了解几何贡献对耦合到腔体的温度驱动量子热机的非平衡波动的作用。使用人工神经网络，我们已经探讨了聚束和反聚束光子交换统计不同的发动机参数之间的相互作用。我们报告说，超出了一个关键的腔温度，法诺因子之间的巨大和低的值作为驱动协议之间的相位差的函数振荡。我们进一步观察到，标准的热力学不确定性关系是无效的，当有有限的几何贡献的波动，但适用于零相位差，即使在存在的相干。
2018-10-13 cond-mat.stat-mech quant-ph
