Bayesian optimisation with improved information sharing for the variational quantum eigensolver
本研究提出一种改进信息共享的贝叶斯优化方法用于VQE，在氢和水分子势能面计算中显著降低量子资源消耗，分别提升1.5倍和至少5倍效率。
2024-05-23 quant-ph
QuOp_MPI: a framework for parallel simulation of quantum variational algorithms
QuOp_MPI是一个Python包，用于量子变分算法的并行模拟。它提出了一种面向对象的方法来量子变分算法设计，并利用MPI并行稀疏矩阵指数，快速傅立叶变换和并行梯度评估，实现了大规模并行系统上的基本酉动力学的高效模拟。在这篇文章中，我们介绍了QuOp_MPI，并探讨其应用于量子算法的模拟，旨在解决组合优化算法，包括量子近似优化算法，量子交替算子Answer和量子行走辅助优化算法。
2022-06-07 physics.comp-ph quant-ph
MEMO-QCD: Quantum Density Estimation through Memetic Optimisation for Quantum Circuit Design
Universidad Nacional de Colombia（哥伦比亚国立大学）；Zapata AI（扎帕塔人工智能公司）
本研究提出MEMO-QCD策略，结合量子启发密度估计与模因算法优化，用变分量子电路实现量子特征图与训练态制备，可通过浅电路准确逼近高斯核密度估计，适配近期量子硬件。
2024-09-17 cs.LG quant-ph
Universal Variational Quantum Computation
变分量子算法主导当代基于门的量子增强优化，特征值估计和机器学习。在这里，我们建立量子计算的普遍性变分量子计算通过开发两个目标函数，最小化准备输出的任意量子线路。变分量子计算的短暂资源是期望值的数量，这些期望值必须使用经典到量子的外环优化来迭代地最小化。这个优化问题的一个有效的解决方案是由量子线路本身进行模拟。第一种构造在包含$\mathcal{O}({poly} \ln n)$非Clifford门的$n$ -量子位电路的期望值的数量方面是有效的-期望值的数量与模拟电路中出现的Clifford门无关。第二种方法产生$\mathcal{O}(L^2)$期望值，同时引入不超过$\mathcal{O}(\ln L)$松弛量子位，对于划分为$L$门的量子线路。因此，基于目标函数和迭代反馈的经典评估的实用变分量子编程过程原则上与任何其他量子计算模型一样强大。这一结果提高了变分方法的形式地位，同时建立了一个新的通用模型的量子计算。
2020-12-29 quant-ph
Quantum optimisation applied to the Quadratic Assignment Problem
The University of Western Australia（西澳大学）
本文提出非变分量子行走优化算法用于解决二次分配问题，通过对比经典和量子方法，展示了其在复杂组合优化中的实用性与效率。
2026-01-03 quant-ph
Quantum Approximate Optimisation for Not-All-Equal SAT
本研究将 QAOA 应用于 NAE-SAT 问题，通过引入新型经典求解器作为基准进行广泛对比，发现在足够大的电路深度下 QAOA 的运行时间缩放指数更小，证明了求解该问题存在多项式级的量子加速。
2024-01-05 quant-ph
Quantum Optimisation for Continuous Multivariable Functions by a Structured Search
解决优化问题是量子计算机的一个有前途的近期应用。量子变分算法利用量子叠加和纠缠优化指数大的解决方案空间使用交替序列的经典可调幺正。然而，先前的工作主要解决离散优化问题。此外，这些算法的设计一般的假设下，一个非结构化的解决方案的空间，这限制了他们的加速比的理论极限的非结构化Grover的量子搜索算法。在本文中，我们表明，量子变分算法可以有效地优化连续的多变量函数，利用一般的结构特性的离散连续的解决方案空间的收敛性，超过了限制的非结构化的量子搜索。我们介绍了量子多变量优化算法（QMOA），并证明了它的优势，比现有的方法，特别是在优化高维和振荡函数。
2022-10-12 cs.DS quant-ph
Variational quantum algorithm with information sharing
我们介绍了一种变分量子算法的优化方法，并通过实验证明，与天真的实现相比，效率提高了100倍。我们的方法的有效性示出通过获得小分子和自旋模型的多维能量表面。我们的方法解决了相关的变分问题，并行利用贝叶斯优化和不同的优化之间共享信息的全球性。我们的方法非常适合于下一代的变分问题，许多物理自由度。这解决了一个关键的挑战，在规模扩大量子算法，以证明量子优势的问题，现实世界的利益。
2021-07-23 quant-ph
Exploiting biased noise in variational quantum models
University of Queensland（昆士兰大学）
本文发现保留偏置噪声可提升变分量子算法性能，挑战传统噪声缓解策略。
2026-02-05 physics.comp-ph quant-ph
Quantum Algorithms for solving Hard Constrained Optimisation Problems
La Salle - Ramon Llull University（拉蒙柳尔大学拉萨尔学院）；IBMQ（IBM量子）；AWS-Braket（AWS布拉凯特）
本文研究了求解硬约束优化问题的量子算法。它展示了量子计算机如何解决困难的日常问题，例如为社会工作者找到最佳时间表或机器人在仓库中挑选和整理的路径。解决方案的路径导致了一种新的人工智能范式的定义，包括量子计算，量子基于案例推理（qCBR），以及使用Raspberry Pi 4作为处理器（qRobot）将量子计算的能力集成到移动机器人中的概念验证，能够与IBMQ，Amazon Braket（D-Wave）和Pennylane等领先的技术参与者一起运行。为了提高变分算法在这个NISQ时代和下一个时代的执行时间，我们提出了EVA：一种量子指数值近似算法，它可以加速VQE，也就是说，到目前为止，量子计算的旗舰。为了提高变分算法在这个NISQ时代和下一个时代的执行时间，我们提出了EVA：一种量子指数值近似算法，它可以加速VQE，也就是说，到目前为止，量子计算的旗舰。
2022-02-26 cs.LG quant-ph
Analysis of the Non-variational Quantum Walk-based Optimisation Algorithm
本文提出一种基于连续时间量子行走的非变分量子优化算法，通过双酉算符重复制备放大态求解多类组合优化问题，仿真验证其少量迭代即可得全局最优解。
2024-07-29 physics.comp-ph quant-ph
Quantum Optimisation for Protein-Protein Interaction Network Alignment
University of Hamburg（汉堡大学）；Parity Quantum Computing Germany GmbH（帕里特量子计算德国有限公司）；Parity Quantum Computing GmbH（帕里特量子计算有限公司）；Institute for Theoretical Physics, University of Innsbruck（因斯布鲁克大学理论物理研究所）；Department of Mathematics and Computer Science, University of Southern Denmark（南丹麦大学数学与计算机科学系）
本研究将PPI网络对齐建模为加权最大公共诱导子图问题，结合核化、分支定界法与7种QAOA公式，在KEGG通路网络上实现高拓扑与生物保守性，同时揭示了量子优化的资源权衡。
2026-09-07 q-bio.MN quant-ph
Quantum walk informed variational algorithm design
本研究提出基于连续时间量子游走与图自同构群的理论框架，用于分析量子变分算法的振幅转移，据此设计的新型优化算法在组合优化问题上收敛性显著优于现有方法，并推导了图结构适用性度量与收敛界。
2024-06-21 quant-ph
Optimisation-free Classification and Density Estimation with Quantum Circuits
Universidad Nacional de Colombia（哥伦比亚国立大学）
我们展示了一个新的机器学习框架的概率密度估计和分类使用量子线路的实现。该框架通过量子特征映射将训练数据集或单个数据样本映射到物理系统的量子态。任意大的训练数据集的量子态将其概率分布概括为有限维量子波函数。通过将新数据样本的量子态投影到训练数据集的量子态上，可以导出统计数据以分类或估计新数据样本的密度。值得注意的是，我们的框架在真实量子设备上的实现不需要任何量子线路参数的优化。尽管如此，我们讨论了一个变分量子线路的方法，可以利用我们的框架的量子优势。
2022-05-23 cs.LG quant-ph
Non-variational Quantum Combinatorial Optimisation
本文提出一种基于连续时间量子行走的非变分量子算法，通过目标函数相移与干涉混合求解二元、非二元及排列类组合优化问题，并在多个基准问题上以少量迭代找到全局最优解。
2024-08-01 physics.comp-ph quant-ph
A quantum walk assisted approximate algorithm for bounded NP optimisation problems
本文介绍了量子近似优化算法（QAOA）的应用程序，有效地找到近似解决方案的多项式有界NP优化复杂性类（NPO PB）中所包含的计算问题。我们考虑一个概括的QAOA状态演化交替量子行走和解决方案的质量依赖的相移，并使用量子行走集成的NPO问题的问题约束。我们应用最近的概念的混合量子经典变分方案，试图找到最高的期望值，其中包含一个高质量的解决方案。该算法适用于最小顶点覆盖的问题，只使用一个固定的和低数量的优化参数，显示出可喜的成果。
2018-04-26 quant-ph
Approximating the quantum approximate optimization algorithm with digital-analog interactions
量子近似优化算法是作为一种启发式方法提出的，用于解决近期量子计算机上的组合优化问题，并且可能是在量子计算的后霸权、嘈杂、中等规模时代执行有用计算的首批算法之一。在这项工作中，我们利用最近提出的数字模拟量子计算范式，其中可编程通用量子计算机的多功能性和量子模拟器的容错性相结合，以改善量子计算平台。我们表明，数字模拟范例是适合变分量子近似优化算法，由于其固有的弹性对相干误差，通过进行大规模模拟，并提供其性能的分析界限设备有限的单量子位操作时间。我们观察制度的单量子比特的操作速度，其中所考虑的变分算法提供了显着的改善非变分的同行。
2022-11-09 quant-ph
Hybrid Quantum-Classical Optimisation of Traveling Salesperson Problem
Qosmos Technologies Research Center（Qosmos技术研究中心）
提出融合VQE、K-means分解与RandomForestRegressor路径精化的混合量子-经典TSP优化框架，在80城市实验中显著优于仅量子方法并提升稳定性。
2025-09-30 cs.LG quant-ph
Alignment and Optimisation of Optical Tweezers on Trapped Ions
本文提出用单个囚禁离子作为探针对准和表征光镊，测得最小束腰与理论值一致，并利用空间光调制器实现光镊数量扩展以操控多个离子。
2024-06-10 physics.atom-ph physics.optics quant-ph
Training Saturation in Layerwise Quantum Approximate Optimisation
Skolkovo Institute of Science and Technology（斯科尔科沃科学技术研究院）
量子近似优化（QAOA）是目前研究最多的基于门的变分量子算法。我们每次训练一层QAOA，以最大化与$n$量子位目标状态的重叠。这样做，我们发现这种训练总是饱和-称为\textit{training saturation} -在某个深度$p^*$，这意味着超过一定的深度，重叠不能通过添加后续层来改善。我们提出了饱和的必要条件。数值上，我们发现分层QAOA在深度$p^*=n$达到其最大重叠。向训练中添加相干失相误差消除了饱和，恢复了分层训练的鲁棒性。这项研究揭示了QAOA的性能限制和前景。
2021-06-25 cond-mat.dis-nn cs.LG quant-ph
SPSA Hyperparameter Tuning for Variational Quantum Natural Language Inference
NPC Worldwide；Indiana University（印第安纳大学）
本研究针对变分量子自然语言推理，在6量子比特QNLI分类器上对SPSA超参数做网格搜索，发现AdamW式SPSA的最优配置性能优于默认配置，但仍逊于参数偏移基准，且Bures预处理会放大SPSA梯度噪声。
2026-08-19 cs.LG quant-ph
Second-order optimisation strategies for neural network quantum states
本文改进KFAC优化器并提出基于决策几何的新型优化器，用于提升神经网络量子态变分蒙特卡洛方法的优化性能，实验表明新优化器在稳定性、精度和收敛速度上均优于KFAC改进版。
2025-07-08 nucl-th quant-ph
Parallel variational quantum algorithms with gradient-informed restart to speed up optimisation in the presence of barren plateaus
受Fleming-Viot随机过程启发，提出带梯度感知重启的并行变分量子算法，通过粒子遇贫瘠高原时重生加速优化，理论与实验验证其在含大面积贫瘠高原的问题中优于普通模拟退火。
2024-12-15 math.OC quant-ph
Solving larger Travelling Salesman Problem networks with a penalty-free Variational Quantum Algorithm
University of Kingston（金斯顿大学）；Digital Catapult（数字 catapult）；Centre for Engineering Research, University of Hertfordshire（赫特福德大学工程研究中心）
本文提出无惩罚变分量子算法，成功在量子设备上解决十二个地点的旅行商问题，显著降低量子比特需求并提升计算效率。
2026-10-07 quant-ph
Classical optimisation of reduced density matrix estimations with classical shadows using N-representability conditions under shot noise considerations
Quantum Lab, Boehringer Ingelheim（博林格英格海姆量子实验室）
本文通过改进经典阴影层析成像的估计器并重新表述优化约束，在相同测量射击预算下提升了N-可表示性条件强制执行性能，并量化了潜在节省。
2025-10-23 quant-ph
Qubit-efficient encoding schemes for binary optimisation problems
我们提出并分析了一组变分量子算法来解决二次无约束二元优化问题，其中一个问题由$n_c$经典变量组成，可以在$\mathcal O(\log n_c)$数量的量子比特上实现。潜在的编码方案允许通过逐渐增加所涉及的量子比特的数量来系统地增加由变化的量子态捕获的经典变量之间的相关性。我们首先研究忽略所有相关性的最简单的极限，即当量子态只能描述统计独立的经典变量时。我们应用这种最小编码来找到一个一般问题实例的近似解，该问题实例由64个经典变量组成，使用7个量子比特。接下来，我们展示了如何将经典变量之间的两体关联纳入变分量子态，以及它如何提高近似解的质量。我们给出了一个例子，通过解决一个42变量的最大切割问题，只使用8个量子位，我们利用特定的拓扑结构的问题。我们分析这些情况是否可以有效地优化，因为在最先进的量子平台中可用的资源有限。最后，我们提出的一般框架扩展的概率分布的表达任何多体相关性。
2021-04-21 cond-mat.dis-nn quant-ph
Benchmarking Quantum Heuristics: Non-Variational QWOA for Weighted Maxcut
本文针对加权Maxcut问题基准测试了非变分QWOA算法，发现其全局最优解测量概率恒定，随问题规模扩展优于经典启发式算法，展现出量子优势潜力。
2025-05-30 physics.comp-ph quant-ph
Cross-Platform Benchmarking of Near-Term Quantum Optimisation Algorithms
National Quantum Computing Centre（国家量子计算中心）；Rutherford Appleton Laboratory（拉瑟福·阿普尔顿实验室）；University of Strathclyde（斯特拉斯克莱德大学）；Capgemini UK PLC（凯捷英国有限公司）；Capgemini Quantum Lab（凯捷量子实验室）
本文通过密集的二次无约束二元优化问题评估近期量子优化算法，比较了VQE和量子退火在不同设备上的性能，并探讨了其在材料科学中的应用。
2026-03-24 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
Efficient Parabolic Optimisation Algorithm for adaptive VQE implementations
计算化学是量子计算最有前途的应用之一，这主要归功于变分量子本征求解器（VQE）算法的发展。VQE正在被广泛研究，并且已经提出了VQE的子过程的许多优化，包括编码方法和激励的选择。最近，引入了迭代地应用每个激励的自适应方法。对于自适应VQE，研究主要集中在激励池的选择和激励的选择策略上。在这里，我们专注于VQE的一个通常被忽视的组成部分，这是经典优化算法的选择。我们介绍了我们专门为VQE的需求而设计的抛物线优化器。这包括1-D和n-D优化器，可用于自适应或传统VQE实现。然后，我们继续基准的抛物线优化器对Nelder-Mead的各种实现的VQE。我们发现抛物线优化器的性能明显优于传统的优化方法，需要更少的hocTs和更少的量子实验来实现给定的能量精度。
2021-10-25 quant-ph
A Binary Optimisation Algorithm for Near-Term Photonic Quantum Processors
Poznań Supercomputing and Networking Center, IBCH PAS（波兹南超级计算和网络中心，波兰科学院化学研究所）；Poznań University of Technology（波兹南理工大学）
本文提出一种面向近期光子量子处理器的玻色子二元求解器算法，利用量子光学采样与可训练经典后处理，经梯度训练求解二元优化问题，实验表明其能产生高质量解，具有可扩展性。
2025-10-09 quant-ph
Quantum State Preparation via Schmidt Spectrum Optimisation
The University of Western Australia（西澳大学）；University of Cambridge（剑桥大学）
提出施密特谱优化算法，通过逐层优化双量子比特门解纠缠矩阵乘积态，并反转序列构建制备电路，在随机MPS和局部哈密顿量基态近似中优于先前方法。
2026-06-01 quant-ph
Hybrid Genetic Optimisation for Quantum Feature Map Design
本研究针对量子特征映射设计中准确率评估成本高的问题，提出用核目标对齐及其近似方法替代准确率作为遗传算法适应度指标，结合COBYLA参数训练的混合方法，在9个UCI二分类任务上实现了相当准确率且训练间隔提升超20%。
2023-02-06 cs.NE quant-ph
Quantum subspace alignment for domain adaptation
Institute of Fundamental and Frontier Sciences, University of Electronic Science and Technology of China（电子科技大学基础与前沿研究院）
域自适应（DA）用于自适应地获得具有给定相关但不同标记的数据集的未处理数据集的标签。子空间对齐（SA）是一种典型的DA算法，它试图找到一个线性变换来对齐两个不同数据集的子空间。在对齐的标记数据集上训练的分类器可以被转移到未标记的数据集以预测目标标签。在本文中，两个量子版本的SA被提出来实现量子设备上的DA过程。一种方法，量子子空间对齐算法（QSA），在给定的样本的数量和维度上实现了二次加速。另一种方法，变分量子子空间排列算法（VQSA），可以通过变分混合量子经典过程在近期量子器件上实现。在不同类型数据集上的数值实验结果表明，与相应的经典算法相比，VQSA具有较好的性能。
2020-06-29 cs.LG quant-ph
Variational determination of the two-particle density matrix as a quantum many-body technique
本文讨论了多体量子力学中密度矩阵的变分优化方法。这是一个相对未知的技术，其中一个试图获得两个粒子约化密度矩阵直接在变分方法。在第一章中，我们在多体量子力学的更广泛的背景下介绍这一主题，并简要地概述了该领域的历史。第二章总结了约化密度矩阵的N-可表示性，并在一个统一的框架下得到了这些结果。最优化问题可以用半定规划的形式表示。第三章讨论了三种不同的算法，并对它们的性能进行了比较。在第四章中，我们展示了如何利用对称性来大大降低计算成本。第五章讨论了该方法的几个应用。我们发现，标准的两个指标的约束失败的强相关限制的一维哈伯德模型。在第六章中，我们将自旋适应提升条件确定为能够正确描述这种极限的最紧约束。
2012-03-26 cond-mat.str-el physics.chem-ph physics.comp-ph
Clifford Circuit Initialisation for Variational Quantum Algorithms
提出了一种适用于中等规模量子计算机的变分量子算法的初始化方法。该方法使用模拟退火的有效模拟Clifford参数点作为预优化，找到一个低能量的初始条件。我们数值证明了该技术的有效性，以及它如何依赖于哈密顿结构，量子位数和电路深度。虽然考虑了一系列不同的问题，但我们注意到该方法对量子化学问题特别有用。这种方法可以帮助实现一个量子优势在嘈杂或容错的中间规模的设备，即使我们证明了一般的方法是不可任意扩展。
2022-07-04 quant-ph
Quantum optimisation via maximally amplified states
本文提出了最大放大优化算法（MAOA），一种新的量子算法设计的组合优化在短期量子计算的限制电路深度的上下文中。MAOA首先产生一个量子态，在这个量子态中，问题的最优解被放大到受给定的受限电路深度限制的最大可能范围。随后重复制备和测量这种最大放大状态，尽可能有效地产生最高质量的解决方案。MAOA比其他近期量子算法（如量子近似优化算法（QAOA））表现得好得多，因为它大大放大了最优解，并且无需这些其他算法所需的计算要求变分过程。此外，限制电路深度修改现有的Grover自适应搜索。这种改进的算法被称为限制Grover自适应搜索（RGAS），并提供了一个有用的比较MAOA。MAOA和RGAS模拟一个实际的车辆路径问题，计算要求投资组合优化问题，和一个任意大的问题，正态分布的解决方案的质量。在所有情况下，MAOA和RGAS提供了大量的加速比经典的随机抽样在寻找最佳解决方案，而MAOA始终优于RGAS。通过证明数值收敛到理论推导的上界来量化由MAOA提供的加速。
2022-06-01 physics.comp-ph quant-ph
Variational protocols for emulating digital gates using analog control with always-on interactions
本文针对中性原子量子模拟器设计变分脉冲序列，在始终开启相互作用下实现单、多量子比特门层，并可支持重聚焦、SWAP网络与量子化学模拟，为模拟处理器运行变分量子算法提供新路径。
2024-05-13 cond-mat.quant-gas quant-ph
Optimisation-Free Recursive QAOA for the Binary Paint Shop Problem
University of Melbourne（墨尔本大学）；Ford Motor Company（福特汽车公司）
本文提出无优化递归QAOA算法，用于解决二进制喷漆车间问题，通过参数转移技术提升性能，减少量子资源需求，展示出可扩展的量子优化路径。
2026-04-09 quant-ph
Nonvariational quantum optimisation approaches to pangenome-guided sequence assembly
University of Cambridge（剑桥大学）；University of Oxford（牛津大学）；Wellcome Sanger Institute（惠康桑格研究所）
针对重复区域的基因组组装难题，提出基于全基因组引导序列组装的非变分量子优化方法，通过减少变量数量和优化电路编译策略提升计算效率。
2026-04-07 quant-ph
An investigation of IBM Quantum Computing device performance on Combinatorial Optimisation Problems
在求解$\mathcal{NP}$ -硬组合优化问题（COP）时，确定性解的难解性在文献中已有很好的报道.克服这一困难的一种机制是使用有效的COP非确定性方法。然而，随着量子技术的出现，这些现代设备克服这种易处理性限制的潜力需要探索。本文比较了经典优化算法和量子优化算法在求解旅行商问题（TSP）和二次分配问题（QAP）这两个常见COP问题上的性能。比较了经典的分支定界法（BNB）和模拟退火法（SA）与量子优化方法（变分量子本征求解器（VQE）和量子近似优化算法（QAOA））。这些算法分别在经典设备和IBM的一套噪声中间尺度量子（NISQ）设备上执行。我们已经编码的COP问题，为各自的技术和算法，并提供了NISQ设备的计算编码。我们的实验结果表明，目前的经典设备显着优于目前可用的NISQ设备，这与文献中的研究结果一致并扩展。此外，我们引入额外的性能指标，以更好地比较两种方法的计算时间，可行性和解决方案的质量。我们的研究结果表明，VQE比QAOA更好地执行这些指标，我们推断，这是由于所需的操作数量增加。此外，我们研究了一组新的基门对量子优化技术的影响，并表明它们不会对结果产生显着的改善。最后，我们提出了最先进的NISQ IBM量子器件的缺点，并为未来的工作和研究提出了建议。
2022-04-22 cs.ET quant-ph
Variational ansatz-based quantum simulation of imaginary time evolution
虚时间演化是研究量子系统的有力工具。虽然可以使用经典计算机进行模拟，但时间和内存需求通常随系统大小呈指数级增长。相反，量子计算机可以有效地模拟量子系统，但不能模拟非幺正虚时间演化。提出了一种在混合量子计算机上模拟虚时间演化的变分算法。我们用这个算法来寻找多粒子系统的基态能量，特别是分子氢和氢化锂，找到基态的概率很高。我们的方法也可以应用于一般的优化问题和量子机器学习。由于我们的算法是混合的，适合于错误缓解，并可以利用浅量子线路，它可以实现与当前的量子计算机。
2019-09-16 quant-ph
Efficient Assessment of Process Fidelity
量子门的精确实现是实现量子算法和数字量子模拟的关键。这种精度可以通过门的变分优化在有噪声的硬件上增加，然而，这种协议的实验实现受到估计所实现的门的保真度所需的大量努力的阻碍。通过一系列近似，我们找到了一个忠实的近似量子过程的保真度，可以通过实验来估计减少的努力。它的实际用途是证明了一个三量子位量子门上的商用量子处理器的优化。
2021-04-29 quant-ph
Resource Estimation for Quantum Variational Simulations of the Hubbard Model
随着量子硬件的进步，我们进入了噪声中间尺度量子（NISQ）时代，由于其深度较浅，我们可以使用NISQ机器执行而无需量子纠错的一个可能任务是变分量子本征求解器（VQE）。我们可以解决的一个具体问题是强相互作用的费米-哈伯德模型，这是经典的棘手问题，在超导等领域具有实际意义。在这篇文章中，我们概述了有关的门序列，测量方案和相关的错误缓解技术的NISQ平台上实现的哈伯德VQE的细节。我们对硅自旋量子比特和超导量子比特进行了50量子比特模拟的资源估计，这无法通过经典方法精确求解，并发现了类似的结果。所需的双量子位门的数量大约为20000。因此，为了将平均电路错误计数抑制到一个水平，使得我们可以在错误减轻的帮助下获得有意义的结果，我们需要实现$\sim 10^{-4}$的两量子比特门错误率。在寻找基态时，我们需要几天的时间进行一次梯度下降迭代，这是不切实际的。如果我们将任务分配给数百个量子处理单元，这可以减少到大约$10$分钟。因此，在NISQ机器上实现50量子位哈伯德模型VQE在短期内可能是可行的，但需要进一步优化我们的模拟方案，提高门保真度，改进优化方案和改进错误缓解技术，以克服剩余的障碍。硬件平台的可扩展性对于通过并行化来克服运行时间问题也是至关重要的，并行化可以在单个硅多核处理器上完成，也可以在多个超导处理器上完成。
2020-06-30 quant-ph
Variational algorithms for linear algebra
量子算法已经被开发用于有效地解决线性代数任务。然而，它们通常需要深度电路，因此需要通用容错量子计算机。在这项工作中，我们提出了变分算法的线性代数任务，是与嘈杂的中等规模的量子设备兼容。我们证明了线性方程组和矩阵向量乘法的解可以转化为所构造的哈密顿量的基态。在变分量子算法的基础上，我们引入了哈密顿变形和自适应算法，有效地找到了基态，并给出了解决方案的验证。我们的算法特别适用于稀疏矩阵的线性代数问题，在机器学习和优化问题中有着广泛的应用。矩阵乘法的算法也可用于哈密顿模拟和开放系统模拟。我们评估我们的算法的成本和有效性，通过数值模拟求解线性方程组。我们在IBM量子云设备上实现了该算法，解决方案保真度高达99.95%。
2021-12-25 quant-ph
Energy Landscapes for the Quantum Approximate Optimisation Algorithm
本文利用盆地跳跃与离散路径采样分析QAOA能量景观，发现其单漏斗结构及次低极小值可能更优，并提出基于期望阈值的性能评估指标。
2024-05-08 quant-ph
Implementing transferable annealing protocols for combinatorial optimisation on neutral atom quantum processors: a case study on smart-charging of electric vehicles
本文利用贝叶斯优化设计可迁移的准绝热退火协议，实现中性原子量子处理器上最大独立集及电动汽车智能充电问题的参数复用与百量子比特扩展。
2025-05-16 quant-ph
Variational quantum algorithms for discovering Hamiltonian spectra
计算量子系统的能谱是一项重要的任务，例如分析药物发现和催化中的反应速率。近年来，在量子计算机上发展计算分子基态能量的算法取得了重大进展。然而，计算激发态能量引起的关注相对较少，目前还不清楚最佳方法是什么。我们引入了一个低深度的变分量子算法来计算一般哈密顿量的激发态。利用最近提出的一种新方法，我们采用低深度交换测试对基态进行能量惩罚，并将激发态转换为修正的哈密顿量的基态.我们使用变分虚时间演化作为子程序，它确定性地向目标本征态传播。我们讨论如何对称测量可以减轻交换测试步骤中的错误。我们数值测试我们的算法的哈密顿编码3SAT优化问题的18量子位，和氢化锂分子的电子结构。由于我们的算法只使用低深度电路和变分算法，它适合于在近期量子硬件上使用。
2018-07-05 quant-ph
Quantum Machine Learning for Particle Physics using a Variational Quantum Classifier
量子机器学习旨在释放量子计算的威力来改进机器学习方法。通过将量子计算方法与经典神经网络技术相结合，我们的目标是提高解决分类问题的性能。我们的算法是专为现有的和近期的量子设备。我们提出了一种新的混合变分量子分类器，结合量子梯度下降方法与最速梯度下降优化网络的参数。通过将该算法应用于双顶最终状态的共振搜索，我们发现该方法比经典神经网络或用非量子优化方法训练的量子机器学习方法具有更好的学习结果。分类器在少量数据上训练的能力表明了它在数据驱动分类问题中的优势。
2020-10-14 hep-ex hep-ph quant-ph
Integration of Variational Quantum Algorithms into Atomistic Simulation Workflows
Institute for Physical and Theoretical Chemistry, Bremen Center for Computational Materials Science University of Bremen and MAPEX Center for Materials and Processes（不莱梅大学物理与理论化学研究所、不莱梅计算材料科学中心以及材料与过程MAPEX中心）
本研究将变分量子算法整合到原子模拟中，用于几何优化和分子动力学等任务，展示其在计算化学中的应用潜力。
2026-02-02 math-ph math.MP quant-ph
Self-Verifying Variational Quantum Simulation of the Lattice Schwinger Model
混合经典-量子算法旨在变分地解决优化问题，使用经典计算机和量子协处理器之间的反馈回路，同时受益于量子资源。在这里，我们提出的实验证明自我验证，混合，变分量子模拟的晶格模型在凝聚态和高能物理。与模拟量子模拟相反，这种方法放弃了直接在实验室中实现目标哈密顿量的要求，从而允许研究各种各样的先前难以处理的目标模型。在这里，我们专注于格点Schwinger模型，一维量子电动力学的规范理论。我们的量子协处理器是一个可编程的，捕获离子模拟量子模拟器，具有多达20个量子位，能够生成纠缠试验态的家庭尊重目标哈密顿的对称性。我们确定基态，能隙，并通过测量的Schwinger哈密顿量的方差，我们提供算法的能量误差条，从而解决了验证量子模拟的长期挑战。
2019-04-26 cond-mat.quant-gas quant-ph
