A practical applicable quantum-classical hybrid ant colony algorithm for the NISQ era
本文提出将聚类算法与量子蚁群优化（QACO）结合的量子-经典混合算法，以TSP为基准验证其在多数据集上的性能提升，并评估噪声影响，证明该扩展QACO可在NISQ设备上实现大规模优化问题的实际应用。
2024-10-08 cs.NE quant-ph
Characterizing the loss landscape of variational quantum circuits
由噪声中间尺度量子（NISQ）设备特别是变分量子线路（VQC）增强的机器学习技术最近引起了人们的极大兴趣，并且已经针对某些问题进行了基准测试。受经典深度学习的启发，VQC通过梯度下降方法进行训练，该方法允许在大参数空间上进行有效训练。对于NISQ规模的电路，这种方法表现出良好的收敛性。然而，仍然有许多悬而未决的问题有关的收敛性的损失函数和这些电路的可训练性的情况下消失的梯度。此外，目前还不清楚如何“好”的最小值的泛化和稳定性对扰动的数据，因此，有必要的工具，定量研究的收敛性的VQC。在这项工作中，我们介绍了一种计算VQC损失函数的Hessian的方法，并展示了如何用它来表征损失景观。Hessian的特征值提供了有关局部曲率的信息，我们讨论了如何解释这些信息并与经典神经网络进行比较。我们在几个例子上对我们的结果进行了基准测试，从一个简单的分析玩具模型开始，提供一些关于Hessian行为的直觉，然后到更大的电路，并根据数据对VQC进行训练。最后，我们展示了如何海森可以用来调整学习速度，以更快地收敛在训练变分电路。
2021-03-02 quant-ph
Quantum-Assisted Clustering Algorithms for NISQ-Era Devices
Naval Surface Warfare Center, Dahlgren Division（海军水面作战中心达尔格伦分部）
在量子计算的NISQ时代，我们不应该期望看到量子设备在实际问题的运行时间上提供指数级的改进，因为缺乏纠错和可用的量子比特数量很少。然而，这些设备应该能够提供其他性能改进，特别是当与现有的经典机器相结合时。在这篇文章中，我们开发了几种混合量子经典聚类算法，可以作为子程序在小型NISQ时代的设备上使用。这些新的混合算法需要多个量子位，这些量子位在数据大小上至多是对数的，与它们的经典对应物相比提供性能改进和/或运行时间改进，并且不需要黑盒预言。因此，我们能够提供一个有前途的近期应用程序的NISQ时代的设备。
2019-06-27 cs.LG quant-ph
Hybrid Quantum-Classical Algorithm for Hydrodynamics
提出了一种新的非线性带电量子相对论流体模型。该模型可以离散成离散时间量子行走（DTQWs），并提出了一种新的混合（量子经典）算法实现这些行走的NISQ设备。高分辨率（高达$N=2^{17}$网格点）的相对论和非相对论流体动力学冲击的混合数值模拟当前IBM NISQs与此算法进行，并再现经典计算机上的等效模拟。这项工作表明，非线性流体动力学可以在NISQs上模拟，并打开了大门，模拟其他量子和非量子流体，包括等离子体，更一般的量子行走和量子自动机。
2022-02-02 physics.flu-dyn physics.plasm-ph quant-ph
Enhancing Hybrid Methods in Parameterized Quantum Circuit Optimization
本研究受经典早停法启发，提出两种更鲁棒、可扩展的混合优化算法，在多种代价函数上优于现有方法，并适用于不同噪声的NISQ设备。
2025-10-09 quant-ph
Hybrid quantum transfer learning for crack image classification on NISQ hardware
Fraunhofer Institute for Industrial Mathematics ITWM（弗劳恩霍夫工业数学研究所ITWM）；University of Kaiserslautern（凯泽斯劳滕大学）
针对NISQ时代量子图像处理尺寸受限问题，提出一种混合量子迁移学习方法用于灰度图裂纹检测，并比较了PennyLane标准量子比特与IBM模拟器及真实后端的性能与训练时间。
2023-07-31 cs.AI eess.IV math.ST
HQNET: Harnessing Quantum Noise for Effective Training of Quantum Neural Networks in NISQ Era
New York University Abu Dhabi（阿布扎比纽约大学）；NYUAD Research Institute, New York University Abu Dhabi（阿布扎比纽约大学研究院）
本文研究量子噪声对QNN可训练性的影响，提出通过选择合适的量子测量算子缓解 barren plateaus 问题，展示在不同成本函数下不同算子的训练效果，为提升QNN性能提供实用策略。
2025-09-11 quant-ph
Context-Aware Error Mitigation Orchestration for Hybrid Quantum Reinforcement Learning on NISQ Systems
National Institute of Technology Srinagar（斯利那加国立理工学院）
提出APGEM，一种上下文感知的错误缓解编排框架，动态选择ZNE、PEC、CDR或REM策略，在NISQ设备上提升量子强化学习的鲁棒性，在CVRP上达到Oracle策略效用的94%。
2026-10-02 cs.LG quant-ph
XGSwap: eXtreme Gradient boosting Swap for Routing in NISQ Devices
针对 NISQ 设备有限连接性导致的长程纠缠保真度低的问题，提出基于梯度提升的机器学习模型预测替代路由路径保真度，在 127 量子比特硬件上约 23% 的测试中成功识别出更高保真度的路径。
2024-04-27 quant-ph
NISQ Algorithm for Hamiltonian Simulation via Truncated Taylor Series
模拟多体量子系统的动力学被认为是量子计算机可以显示出优于经典计算机的量子优势的第一个领域之一。噪声中尺度量子（NISQ）算法旨在有效地利用现有的量子硬件。对于量子模拟，已经提出了各种类型的NISQ算法，具有各自的优点以及挑战。在这项工作中，我们提出了一个新的算法，截断泰勒量子模拟器（TTQS），分享现有算法的优点，并消除了一些缺点。我们的算法没有任何经典-量子反馈回路，并通过构造绕过了贫瘠高原问题。在我们的混合量子经典算法的经典部分对应于一个二次约束的二次规划（QCQP）与一个单一的二次等式约束，它承认一个半定松弛。基于QCQP的经典优化是最近引入的量子辅助本征解算器（QAE）的经典步骤，量子辅助本征解算器（QAE）是求解哈密顿基态问题的NISQ算法。因此，我们的工作提供了一个概念之间的统一的NISQ算法的哈密顿基态问题和哈密顿模拟。我们恢复微分方程为基础的NISQ算法的哈密顿模拟，如量子辅助模拟器（QAS）和变分量子模拟器（VQS）作为我们的算法的特殊情况。我们在当前云量子计算机上的一些玩具示例上测试了我们的算法。我们还提供了一个系统的方法来提高我们的算法的准确性。
2021-05-18 quant-ph
Minimum Hardware Requirements for Hybrid Quantum-Classical DMFT
我们数值模拟嘈杂的中间尺度量子（NISQ）的设备，并确定最低的硬件要求的两个站点的混合量子经典动力学平均场论（DMFT）。我们提出了一种电路重编译算法，该算法显著减少了DMFT算法的量子门数目，并发现当两量子位门的重编译率大于99%时，量子经典算法收敛.收敛结果与精确解的一致性在10%以内，并且当两量子比特门的量子效率超过99.9%时，在噪声引起的误差范围内完全一致。相比之下，没有电路重新编译的量子经典算法需要至少99.999%的双量子比特门保真度才能与精确解完全一致。因此，我们发现量子经典DMFT计算可以运行在下一代的NISQ设备，如果结合在这项工作中开发的重新编译技术。
2020-06-18 quant-ph
Improving the trainability of VQE on NISQ computers for solving portfolio optimization using convex interpolation
Origin Quantum Computing Company Limited（本源量子计算科技有限责任公司）；Laboratory of Quantum Information, University of Science and Technology of China（中国科学技术大学量子信息实验室）；Department of Electronic Information and Artificial Intelligence, West Anhui University（皖西大学电子信息与人工智能学院）；College of Physics and Optoelectronic Engineering, Ocean University of China（中国海洋大学物理与电子工程学院）；Institute of Artificial Intelligence, Hefei Comprehensive National Science Center（合肥综合性国家科学中心人工智能研究院）；Anhui Province Key Laboratory of Quantum Network, University of Science and Technology of China（中国科学技术大学安徽省量子网络重点实验室）
本文利用凸插值改进变分量子本征求解器（VQE）的可训练性，通过近解初始化、正则代价函数景观和递归拟设平衡分区策略，在仅用10个超导量子比特实现40量子比特实验，并融合贪心算法实现全局与局部优化的互补。
2026-01-20 quant-ph
Effects of Quantum Noise on Quantum Approximate Optimization Algorithm
量子-经典混合算法是一种有望在NISQ器件中展示量子优势的算法。当运行这样的算法时，来自量子噪声的影响是不可避免的。在我们的工作中，我们考虑一个著名的混合算法，量子近似优化算法（QAOA）。我们研究了典型量子噪声信道对QAOA的影响，并给出了一些数值结果。我们的研究表明，从QAOA得到的输出状态保真度，成本函数，其梯度下降指数的门的数量和噪声强度。此外，我们还发现噪声只是对参数空间的扰动，并没有改变参数空间的结构，因此优化后的参数不会偏离理想值。我们的研究结果为NISQ设备上运行的混合算法的有效性提供了证据。
2019-12-09 quant-ph
Solving DC Power Flow Problems Using Quantum and Hybrid algorithms
潮流计算在电力系统的规划、运行和控制中起着重要的作用。量子HHL算法在直流潮流计算上与经典算法相比可以获得理论上的指数加速比。由于在噪声中间尺度量子（NISQ）时代的量子比特资源是有限的，因此讨论考虑到这种限制的性能是很重要的。直流潮流问题中线性方程组的系数矩阵不能用有限个二进制数串完全表示，从而导致相位估计不完善。这项工作是在不完美的相位估计的假设下进行的。系统地研究了HHL算法在不同精度和冗余量子比特下的性能。为了进一步减少所需的量子比特资源，提出了一种量子-经典混合算法。通过比较HHL算法和混合算法在IEEE 5节点测试系统直流潮流计算中的误差，发现混合算法通过增加相位估计模块的数量，可以在更少的量子比特数下达到与HHL算法相当的精度，这可能是NISQ时代的一条可行路线。
2022-06-08 quant-ph
A hybrid quantum image edge detector for the NISQ era
Fraunhofer Institute for Industrial Mathematics ITWM（弗劳恩霍夫工业数学研究所ITWM）；University of Kaiserslautern（凯泽斯劳滕大学）
边缘是灰度值强度突然变化的图像位置。它们是理解和分割图像的最重要特征之一。边缘检测是数字图像处理中的标准任务，例如使用滤波技术来解决。然而，要处理的数据量迅速增长，甚至将超级计算机推向极限。量子计算承诺与经典位的数量相比，量子位的数量以指数方式降低内存使用。本文基于量子人工神经元的思想，提出了一种量子边缘检测的混合方法。我们的方法可以在量子计算机上实际实现，特别是在当前有噪声的中间尺度量子时代。我们比较了该方法的六种变体，以减少电路的数量，从而减少量子边缘检测所需的时间。利用我们的方法的可扩展性，我们实际上可以检测图像中的边缘比以前达到的要大得多。
2022-03-22 cs.AI eess.IV quant-ph
Quantum-Classical Hybrid Algorithm for Solving the Learning-With-Errors Problem on NISQ Devices
Beijing Academy of Quantum Information Sciences（北京量子信息科学研究院）；State Key Laboratory of Low-Dimensional Quantum Physics and Department of Physics, Tsinghua University（清华大学物理系低维量子物理国家重点实验室）；State Key Laboratory of Mathematical Engineering and Advanced Computing（数学工程与先进计算国家重点实验室）；Division of Physics and Applied Physics, School of Physical and Mathematical Sciences, Nanyang Technological University（南洋理工大学物理与数学科学学院物理与应用物理系）
本文提出了一种量子-经典混合算法，利用Ising模型在NISQ设备上求解LWE问题，通过编码晶格向量并识别低能水平以提取解。
2025-12-29 math-ph math.MP quant-ph
Practicality of training a quantum-classical machine in the NISQ era
本文在离子阱平台上实验研究NISQ时代量子-经典混合系统的监督训练，证明遗传算法比梯度优化器更能应对噪声与多局部极小值的二分类优化景观。
2025-02-17 physics.app-ph physics.atom-ph quant-ph
State preparation and evolution in quantum computing: a perspective from Hamiltonian moments
在有噪声的中尺度量子（NISQ）器件上的量子算法有望模拟经典难以处理的量子系统，以展示量子优势。然而，NISQ器件上不可忽略的门误差阻碍了传统量子算法的实现。实用的策略通常利用混合量子经典算法来展示量子计算在NISQ时代的潜在有用应用。在众多的混合算法中，最近的努力突出了基于量子计算的哈密顿矩，$\langle ϕ| \hat{\mathcal{H}}^n | ϕ\rangle$（$n=1,2,\cdots$），相对于量子态$|ϕ\rangle$的量子算法的发展。在本教程中，我们将简要回顾这些量子算法，重点介绍使用量子硬件计算哈密顿矩的典型方法，并基于量子计算矩提高估计状态能量的准确性。此外，我们将提供一个教程，展示如何测量和计算四位海森堡模型的哈密顿矩，并在真实的IBM-Q NISQ硬件环境中利用虚时间演化计算模型的能量和磁化强度。沿着这条线，我们将进一步讨论与这些算法相关的一些实际问题。我们将通过概述在不久的将来在这个方向上的一些可能的发展和应用来结束本教程的回顾。
2021-09-30 quant-ph
Discovering novel quantum dynamics with NISQ simulators
本文探讨NISQ模拟器在发现新量子动力学现象中的作用，揭示其在多体量子系统研究中的贡献和影响。
2025-12-09 quant-ph
Tangible reduction in learning sample complexity with large classical samples and small quantum system
量子计算需要将大型经典数据集嵌入到量子态中，以便利用量子并行性。然而，这种嵌入需要相当多的资源。因此，如果可能的话，对于噪声中间尺度量子（NISQ）实现，希望避免它。因此，我们考虑一个经典量子混合架构，它允许大的经典输入数据，与一个相对小规模的量子系统。这种混合体系结构用于实现oracle。结果表明，在混合预言机中存在噪声时，内部噪声的影响可以相互抵消，从而提高查询成功率。它还表明，这种免疫力的混合预言机噪声直接和有形地降低了样本的复杂性，在可能近似正确的学习框架。这种与NISQ兼容的学习优势归因于oracle处理大型输入特征的能力。
2021-09-01 quant-ph
Variational Quantum-Neural Hybrid Eigensolver
变分量子本征求解器（VQE）是噪声中等大小量子（NISQ）时代最具代表性的量子算法之一，被普遍认为在非平凡哈密顿量的基态模拟中具有最早的量子优势之一.然而，短的量子相干性时间和有限的可用性的量子硬件资源在NISQ的硬件强烈限制的容量和表现力的VQE。在这封信中，我们介绍了变分量子神经混合本征解算器（VQNHE），其中浅电路量子anonymity可以进一步增强经典的神经网络后处理。我们表明，VQNHE一贯和显着优于VQE在模拟基态能量的量子自旋和分子给予相同数量的量子资源。更重要的是，我们证明了对于任意后处理神经函数，VQNHE只会产生处理时间的多项式开销，并且代表了第一种可扩展的方法，可以在NISQ时代有效地实现非酉后处理，以指数方式加速VQE。
2021-06-09 cond-mat.str-el quant-ph
Multistate Transition Dynamics by Strong Time-Dependent Perturbation in NISQ era
利用McLachlan变分原理发展了一种量子计算方案，在量子-经典混合算法中精确计算了受强含时微扰的多激发态封闭量子系统的跃迁动力学.改进了一种系统的方法，用于优化构造具有一元N量子比特编码的一般N态量子阱。在McLachlan变分量子算法中采用量子比特有效编码，将量子比特数减少到log 2N，同时减小了量子线路的深度.通过使用二阶步进方法，时间步长的数量实现了显着减少。仪器在获得高精度的电路，包括时间相关的全球相位校正的适应。我们在一组16个束缚类氢本征态上对我们的量子计算算法进行了说明、测试和优化。通过与基准数据的比较，得到的转移概率结果的准确度优于1%。使用哈密顿量的相互作用表示减少了量子系统随时间演化时NISQ噪声和采样误差累积的影响。
2022-04-24 quant-ph
Energy Landscape Structure of Small Graph Isomorphism Under Variational Optimization
Calcutta Institute of Engineering and Management, Maulana Abul Kalam Azad University of Technology（加尔各答工程与管理学院，穆拉纳·阿布尔·卡拉姆·阿扎德技术大学）；University of Dhaka（达卡大学）；Institute of Theoretical and Applied Informatics, Polish Academy of Sciences（波兰科学院理论与应用信息研究所）；Silesian University of Technology（西里西亚理工大学）
本文研究了小图同构问题的能量景观结构，通过QAOA和VQE分析发现同构对在能量中聚类，但低能量无法可靠判定同构性，提出通过优化轨迹提升判别能力。
2026-01-14 quant-ph
Quantum Data Management in the NISQ Era: Extended Version
本文聚焦NISQ时代面向量子计算的数据管理这一尚未充分探索的领域，在区分量子数据与经典数据的基础上，梳理当前与未来的数据管理范式及挑战，为量子数据管理研究确立方向。
2025-04-11 cs.DB quant-ph
Hybrid quantum-classical algorithms in the noisy intermediate-scale quantum era and beyond
混合量子经典算法是当前量子计算研究的核心，特别是在考虑噪声中间尺度量子（NISQ）时代时，已经进行了大量的实验演示。从这个角度来看，我们讨论了在一个非常广泛的意义上，它意味着一个算法是混合量子经典。我们首先非常直接地探索这个概念，通过建立一个基于抽象/表示理论的定义，认为使算法混合的不是它是如何运行的（或者它消耗了多少经典资源），而是经典组件是否对计算的底层模型至关重要。然后，我们采取更广泛的观点，这个问题，回顾了一些混合算法，并讨论是什么使他们的混合，以及他们如何出现的历史，并考虑到硬件。这导致了对这些算法未来的自然讨论。为了回答这个问题，我们转向经典计算中专用处理器的使用。经典的趋势不是新技术完全取代旧技术，而是增强它。我们认为量子计算的演变不太可能有所不同：混合算法很可能在NISQ时代之后保持很好甚至进入完全容错，量子处理器通过执行专门的任务来增强已经存在的强大的经典处理器。
2022-07-14 quant-ph
QRunes: High-Level Language for Quantum-Classical Hybrid Programming
量子-经典混合算法因其在噪声中等尺度量子器件中实现“量子优势“的潜力而备受关注。在这里，我们介绍QRunes，一种用于混合编程的跨平台量子语言。QRunes可以编译到各种主机后端，允许用户编写可移植的量子子程序。混合编程基于类型系统，该类型系统用于决定语句应该在何处运行。我们还介绍了Qurator，一个VSCode插件，它支持QRunes语言和两个主机后端。
2019-01-24 quant-ph
Supply Chain Logistics with Quantum and Classical Annealing Algorithms
噪声中尺度量子（NISQ）硬件几乎普遍与具有实际重要性的全尺度优化问题不兼容，这些问题可能具有许多变量和笨拙的目标函数。因此，有越来越多的文献在运筹学环境中出现的问题的小型化版本上测试量子算法。而不是采取这种方法，我们调查的问题，大量的商业价值，多卡车的供应链物流车辆路线，在规模上使用的公司在其业务。这样的问题太复杂，无法完全嵌入任何近期的量子硬件或模拟器中;我们通过采用混合工作流方法来避免面对这一挑战：我们通过每次生成一辆卡车的新的二元优化问题实例来迭代地为卡车分配路线。每个实例都有$\sim 2500$二次二进制变量，将其置于NISQ量子计算，特别是量子退火硬件可行的范围内。我们使用模拟退火和D-Wave混合求解器作为占位符来测试我们的方法，以等待量子硬件的发展。在将这些运行所建议的车辆路线馈送到高度逼真的经典供应链仿真中之后，我们发现整个供应链的性能非常出色。我们的工作给出了一套技术，可以采用在车辆路由以外的背景下应用NISQ设备在一个混合的方式，以大规模的商业利益的问题。
2022-05-09 quant-ph
NISQ circuit compilation is the travelling salesman problem on a torus
噪声中等规模量子计算机（NISQ）预计将执行高达几百个量子位的量子线路。这些电路必须符合NISQ架构的限制，关于量子位分配和多量子位门的执行。量子线路编译（QCC）取一个兼容电路，输出一个兼容电路.经典的优化方法可以用于QCC吗？编译是一个已知的组合问题，可以通过两种类型的操作来解决：1）量子比特分配，以及2）门调度。我们非正式地表明，这两个操作形成一个离散环。QCC的搜索景观是二维离散环面，其中顶点表示电路量子位如何分配给NISQ寄存器的配置。环面的边缘加权调度电路门的成本。我们的方法的新颖性利用了电路的门列表是循环的这一事实：编译可以从任何门开始，只要所有的门都将被处理，并且编译后的电路具有正确的门顺序。我们的工作弥合了经典电路设计自动化和新兴的量子线路优化领域之间的理论和实践差距。
2021-02-09 cs.DS cs.ET cs.SE
NISQ Computers: A Path to Quantum Supremacy
本文综述了NISQ计算机在实现量子霸权方面的关键实验与硬件演进，并系统梳理了应用量子计算领域的前沿原理验证研究及其跨科学、工业和技术领域的潜在影响。
2023-09-29 cs.AR quant-ph
Hybrid Quantum-Classical Normalizing Flow
本文提出一种基于参数化量子电路的混合量子-经典归一化流模型，用于图像生成，在FID分数上优于量子生成对抗网络，且参数更少。
2024-05-22 quant-ph
NISQ: Error Correction, Mitigation, and Noise Simulation
发明纠错码是为了纠正嘈杂的通信信道上的错误。然而，量子纠错（QEC）可以具有更广泛的用途，包括信息传输、量子模拟/计算和容错。这些都促使我们重新思考QEC，特别是量子物理学在编码和解码方面所扮演的角色。许多量子算法，特别是近期的量子-经典混合算法，只使用有限类型的量子态局部测量，这一事实导致了称为量子误差减轻（QEM）的各种新技术。这项工作从几个方面探讨了QEM的任务。使用基于经典和量子通信场景的一些直觉，我们澄清了QEC和QEM之间的一些基本区别。然后，我们讨论了QEM的噪声可逆性的影响，并给出了一个明确的结构称为Drazin逆的不可逆噪声，这是跟踪保持，而常用的Moore-Penrose伪逆可能不是。最后，我们研究的后果，有一个不完善的知识的噪音，并推导出的条件时，噪音可以减少使用QEM。
2022-08-04 quant-ph
Hybrid quantum optimization in the context of minimizing traffic congestion
本文针对交通拥堵最小化问题，提出定制初始化技术和消除长程双量子比特相互作用的抗噪声QAOA变体，在低电路深度及IBM量子设备上显著提升求解性能。
2025-04-11 quant-ph
Where are we heading with NISQ?
本文回顾NISQ（含噪声中等规模量子计算）发展现状，分析其算法资源需求与硬件能力的矛盾，介绍相关优化技术，指出NISQ实用窗口期狭窄，且未来可能与容错量子计算沿不同路径发展，提出量子比特规模与保真度的权衡问题。
2023-06-12 quant-ph
Hybrid Quantum Neighborhood Selection: NISQ-Compatible Combinatorial Optimization via Stochastic Frontier Decomposition
Technological Institute of Aeronautics (ITA)（巴西航空技术学院）；ICTQ Foton --- Institute of Quantum Sciences and Technologies Foton（量子科学与技术研究所 Foton）
提出混合量子邻域选择（HQNS）框架，通过随机前沿分解将大规模QUBO问题分解为小规模子问题，在NISQ设备上实现高效优化，在N=1000的MDSSP基准测试中达到并行模拟退火99.99%的解质量，同时减少65%的耗时。
2026-06-28 cs.ET math.OC quant-ph
Trustworthy Quantum Machine Learning: A Roadmap for Reliability, Robustness, and Security in the NISQ Era
Department of Electrical Engineering and Computer Science, University of Stavanger, Norway（斯瓦尔巴大学电气工程与计算机科学系）；School of Physics, Engineering and Technology, University of York, UK（约克大学物理、工程与技术学院）
提出可信量子机器学习路线图，整合不确定性量化、对抗鲁棒性与隐私保护，并在NISQ设备上验证了统一信任评估流水线，将可信度确立为量子AI的首要设计目标。
2025-11-04 cs.AI quant-ph
Hierarchical Quantum Optimization via Backbone-Driven Problem Decomposition: Integrating Tabu-Search with QAOA
针对NISQ设备限制QAOA处理大规模组合优化问题的挑战，提出骨干驱动QAOA混合框架，通过自适应禁忌搜索预处理分解QUBO问题为量子可处理子问题并迭代优化，实验证明其性能优于或媲美传统经典及混合算法，提升NISQ设备解决大规模问题的能力。
2025-04-13 quant-ph
Landscape-Similarity-Guided Optimization in Divide-and-Conquer QAOA
Pukyong National University（釜庆国立大学）；Indian Institute of Technology Kharagpur（印度理工学院卡拉格普尔分校）；Hanyang University（汉阳大学）
本文通过定义景观重叠序参数揭示变分景观的普适性，提出DO-QAOA算法将冻结m个量子比特产生的指数级子实例压缩为常数个有效景观类，从而降低运行时间和量子测量开销。
2026-09-17 quant-ph
Mode connectivity in the loss landscape of parameterized quantum circuits
Taylor University（泰勒大学）；Oak Ridge National Laboratory（橡树岭国家实验室）
参数化量子线路（PQC）的变分训练支持在近期噪声中间尺度量子（NISQ）设备上采用的许多工作流程。它是一种混合量子经典方法，最小化相关的成本函数，以便训练参数化的模拟器。在本文中，我们采用定性损失景观表征神经网络中引入\cite{goodfellow2014qualitatively,li2017visualizing}和测试中使用的连接\cite{draxler2018essentially}研究损失景观功能在PQC训练。我们目前的结果PQC训练一个简单的回归任务，使用双层电路animator，它由交替层的参数化旋转门和纠缠门。多个电路使用$3$不同的批量梯度优化器进行训练：随机梯度下降，量子自然梯度和Adam。我们确定了景观中的大特征，这些特征可以导致训练工作流程的更快收敛。
2021-11-09 cs.LG quant-ph
Fast-Forwarding with NISQ Processors without Feedback Loop
预计在量子计算机上模拟量子动力学比在经典计算机上更容易。然而，目前可用的量子器件缺乏实现用于量子模拟的容错量子算法的能力。已经提出了诸如变分量子算法的混合经典量子算法以有效地使用当前项量子设备。在有噪声的中间尺度量子（NISQ）时代，一种有前途的量子模拟方法是基于对角化的方法，其中一些有前途的例子是子空间变分量子模拟器（SVQS）、变分快速转发（VFF）、固定状态变分快速转发（fs-VFF）和变分哈密顿对角化（VHD）算法。然而，这些算法需要经典计算机和量子计算机之间的反馈回路，这可能是实际应用中的关键瓶颈。在这里，我们提出了经典量子快速转发（CQFF）作为一种替代的基于对角化的算法量子模拟。CQFF与SVQS、VFF、fs-VFF和VHD有一些相似之处，但不需要经典量子反馈回路和受控多量子比特幺正。CQFF算法不受贫瘠高原问题的影响，精度可以系统地提高。此外，如果要模拟的哈密顿量被表示为张量-泡利矩阵的线性组合，则CQFF算法简化为在一组泡利旋转基中对一些多体量子态进行采样的任务，这在NISQ时代很容易做到。我们在现有的量子处理器上运行CQFF算法，并展示了CQFF算法对当前量子硬件的承诺。我们的工作提供了一个$10^4$的改进，在以前的记录。
2021-09-21 quant-ph
Quantum Simulations of Chemical Reactions: Achieving Accuracy with NISQ Devices
Indian Institute of Technology Jodhpur（印度技术学院焦浦尔分校）
本文提出利用不同活性空间研究化学反应，结合基态和激发态的不可约表示，通过VQE算法实现反应能量的高精度预测，误差小于1 kcal/mol。
2026-01-10 physics.chem-ph quant-ph
Hybrid Parameterized Quantum States for Variational Quantum Learning
针对NISQ时代变分量子学习的噪声与样本低效问题，提出混合参数化量子态（HPQS），融合PQC测量与神经估计，在分类、量子训练及大模型微调中提升精度与效率。
2025-05-22 quant-ph
NISQ-compatible approximate quantum algorithm for unconstrained and constrained discrete optimization
提出一种基于梯度的NISQ兼容近似量子算法，通过振幅编码与硬件高效电路解决离散优化问题，支持直接纳入线性约束，并在超1000节点的MaxCut问题上验证了与CPLEX混合的方法优于纯经典求解。
2023-11-15 math.OC quant-ph
A preprocessing perspective for quantum machine learning classification advantage using NISQ algorithms
量子机器学习（QML）与经典的机器学习方法相比，还没有广泛而明确地展示其优势。到目前为止，只有一些特定的情况下，一些量子启发的技术已经实现了小的增量优势，并且考虑到中期的未来，混合量子计算中的一些实验案例是有希望的（不考虑纯粹与使用量子经典算法的优化相关的成就）。目前的量子计算机有噪声，并且只有很少的量子比特可供测试，因此很难证明QML方法的当前和潜在的量子优势。研究表明，在数据预处理过程中使用线性判别分析（LDA）可以获得更好的经典编码和量子分类器的性能。结果表明，变分量子算法（VQA）与LDA技术相比，在平衡精度方面表现出了性能上的提高，并且优于基线经典分类器。
2022-09-01 quant-ph stat.ML
Clustering-Based Sub-QUBO Extraction for Hybrid QUBO Solvers
本文提出基于变量相关性矩阵与聚类的 Sub-QUBO 提取协议，将大规模 QUBO 分解后用 QAOA 求解，在调用次数相近时获得更优目标值。
2025-06-08 quant-ph
Hybrid quantum variational algorithm for simulating open quantum systems with near-term devices
混合量子-经典（HQC）算法使得通过有效的控制方案使用由经典计算资源支持的近期量子器件成为可能。在本文中，我们开发了一个HQC算法，使用一个有效的变分优化方法来模拟开放系统动力学下的噪声-中间尺度量子（NISQ）计算机。利用含时变分原理（TDVP）方法，并将其推广到密度矩阵的McLachlan TDVP，其中包含误差的Frobenius范数的最小化，我们应用幺正量子线路得到了Lindblad形式下开放量子系统的时间演化.最后，我们说明了我们的方法的使用与详细的例子，这是在良好的协议与分析计算。
2020-08-12 quant-ph
Hybrid Quantum--Classical Machine Learning Potential with Variational Quantum Circuits
Department of Energy Science, Sungkyunkwan University（能源科学系，成均馆大学）；Department of Energy, Sungkyunkwan University（能源系，成均馆大学）；Department of Quantum Information Engineering, Sungkyunkwan University（量子信息工程系，成均馆大学）
本研究提出混合量子-经典机器学习势，将变分量子电路嵌入消息传递层，用于预测液态硅的DFT性质，并在NISQ硬件上实现优于纯经典方法的高温结构模拟。
2025-08-06 cond-mat.mtrl-sci cs.LG physics.chem-ph
Efficient evaluation of quantum observables using entangled measurements
云量子计算的出现，带动了量子算法的快速发展。特别是，有必要研究变分量子经典混合算法，这是可执行的噪声中间尺度量子（NISQ）计算机。在NISQ计算机的变分量子-经典混合算法中，观测值的计算经常出现。通过加速对可观测量的评估，有可能实现更快的算法并节省量子计算机的资源。传统的方法是将可分离测量的可观测量进行纠缠，最近几个研究小组也提出了纠缠测量的分组方法。在本文中，我们表明，纠缠测量提高了效率的评估的观测量，理论和实验考虑到协方差效应，这可能会影响质量的评估的观测量。我们还建议使用一部分纠缠测量进行分组，以保持额外门的深度不变。我们提出的方法有望与其他相关研究结合使用。我们希望纠缠测量将成为至关重要的资源，不仅对联合测量，而且对量子信息处理。
2019-12-24 quant-ph
Closing the Loop: Resource-aware Hybrid NAS Guided by Analytical and Hardware-Calibrated Quantum Cost Modeling
New York University Abu Dhabi（阿布扎比纽约大学）；NYUAD Research Institute, New York University Abu Dhabi（阿布扎比纽约大学研究院）
本文提出Hyb-HANAS框架，通过分析和硬件校准的量子成本模型，联合优化HQNNs的精度、硬件成本和参数计数，实现经典与量子组件的跨领域共适应。
2026-02-28 quant-ph
Quantum Error Correction For Dummies
本文面向计算机科学家系统综述量子纠错（QEC）的基本原理、现有纠错码、实现实用性及在NISQ计算机中面临的挑战。
2023-04-26 quant-ph
Hybrid Quantum--Classical k-Means Clustering via Quantum Feature Maps
Lahore University of Management Sciences（拉合尔管理科学大学）
本文提出一种量子增强的k均值聚类算法，利用量子核替代欧几里得距离，通过量子特征映射提升聚类稳定性与准确性，在Iris和乳腺癌数据集上取得优异结果。
2026-04-09 quant-ph
Exploring polymer classification with a hybrid single-photon quantum approach
Alysophil 850 Bd Sébastien Brant, 67400 Illkirch-Graffenstaden, France（法国伊尔克希茨-格拉芬斯塔登市Alysophil 850 Bd Sébastien Brant）
本文提出了一种混合经典-量子方法，利用单光子量子计算对聚合物进行分类，展示了在NISQ设备限制下有效处理化学分类任务的可行性。
2025-12-19 cs.LG quant-ph
Robustness Evaluation of Hybrid Quantum Neural Networks under Noise Models via System-Level Error Mitigation
Université Libre de Bruxelles（布鲁塞尔自由大学）；New York University Abu Dhabi (NYUAD)（阿布扎比纽约大学）；NYUAD Research Institute, NYUAD（阿布扎比纽约大学研究院）
本文评估了混合量子神经网络在噪声影响下的鲁棒性，通过集成多种误差缓解策略，发现不同噪声模型对性能影响显著，Pec在低噪声环境下表现较好，其他方法效果有限。
2026-10-27 quant-ph
A hybrid quantum-classical algorithm for multichannel quantum scattering of atoms and molecules
本文提出一种基于Kohn变分原理和变分量子线性求解器的混合量子-经典算法，用于求解原子与分子碰撞的散射S矩阵，并在NISQ处理器上验证了其计算振动弛豫概率及扩展至多原子分子碰撞的可行性。
2023-04-12 physics.chem-ph quant-ph
Benchmarking Noise Extrapolation with OpenPulse
从噪声中尺度量子（NISQ）数据中提取精确估计最近引起了相当大的关注。为了增强数字量子比特度量，如门保真度，我们讨论模拟误差缓解能力，即准确提取精确可观察估计的能力，作为混合量子经典计算基准测试任务。具体来说，我们的特点是单量子比特错误率IBM的波基普西超导量子硬件，将控制介导的噪声依赖到一个广义的重新缩放协议，并分析噪声特性如何影响理查森外推为基础的错误缓解。我们的研究结果确定区域的空间中的哈密顿控制领域和电路深度，这是最可靠的噪声外推，以及如何低级别的硬件表征，可以用来作为预测工具的不确定性量化在错误减轻NISQ计算的光。
2019-09-11 quant-ph
