Quantum-Inspired Solvers on Mixed-Integer Linear Programming Problem
混合整数线性规划(MILP)在人工智能、生物化学、金融、密码学等领域有着重要的应用。尽管MILP算法已经流行了几十年,但由于其复杂性和摩尔定律的失效而导致的资源消耗仍然限制了MILP算法的研究。量子Ising机作为一种新的计算范式,通过将整数规划问题约简为伊辛模型,可以用来求解整数规划问题。因此,有必要了解量子启发求解器的技术演变,以打破瓶颈。本文介绍了MILP的概念和传统算法。然后,以伊辛模型为重点,总结了退火炉和相干伊辛机的原理和实现方法。最后,本文讨论了未来小型化求解器的挑战和机遇。
2022-04-10 quant-ph
Cooperative many-body enhancement of quantum thermal machine power
我们研究了合作多体效应对磁驱动量子热机,特别是热机和制冷机运行的影响。在合适的几何结构中,$N$二能级原子可以以比单个原子更快的速率与驱动场和(热的和冷的)热浴交换能量,这是由于它们的SU(2)对称性导致原子表现为集体自旋$N/2$粒子。与$N$独立的、不相干的热机的功率输出相比,这种协同效应提高了热机的功率输出。在制冷状态下,也会发生类似的冷却功率提升。
2018-11-02 quant-ph
Quantum Inspired Training for Boltzmann Machines
Microsoft Research(微软研究院);University of Sydney(悉尼大学)
我们提出了一种用于训练深度玻尔兹曼机(DBMs)的有效经典算法,该算法使用拒绝采样与变分近似相结合来估计训练目标函数的梯度。我们的算法的灵感来自最近的量子算法训练DBMs。我们得到严格的边界上的近似梯度的错误,反过来,我们发现,选择工具分布,以尽量减少α =2发散与吉布斯状态最小化渐近算法的复杂性。我们的拒绝采样方法可以产生比低阶对比发散训练更准确的梯度,并且在寻找越来越准确的梯度时产生的成本可以很容易地并行化。最后,我们的算法可以训练完整的玻尔兹曼机和规模更有利的层数在DBM比贪婪对比发散训练。
2015-07-09 cs.LG quant-ph
Cluster Entanglement Mean Field inspired approach to Criticality in Classical Systems
我们提出了一种受纠缠平均场论启发的处理相互作用经典多体系统的方法。它涉及一种粗粒化技术,在平均场论之前终止一个步骤:平均场论只处理单体物理参数,而纠缠平均场论处理单体和两体物理参数。我们将该理论改进为一个团簇纠缠平均场,它处理的是多体系统晶格的一个基本单元。我们将这些方法应用于相互作用的伊辛自旋系统在几个晶格几何形状和尺寸,并表明,这些模型的临界性的发病预测是更好地在所提出的理论相比,相应的平均场论。
2010-08-05 cond-mat.other cond-mat.stat-mech cond-mat.str-el
Physics-inspired Machine Learning for Quantum Error Mitigation
本文提出物理启发的 NNAS 神经网络,通过建模多层电路中的量子噪声累积结构,在更深电路中实现误差减半以上,并将训练数据需求降低至少一个数量级。
2025-01-08 quant-ph
Many-body quantum thermal machines
量子系统热力学和量子热机是一个快速发展的领域,已经取得了一些有希望的结果,也提出了许多有趣的问题。多体量子机带来了来自多体效应的新机会。与此同时,它们也对多体物理学提出了新的挑战。在这篇简短的评论中,我们讨论了基于多体量子系统的技术的一些最新进展。我们主要研究量子热机中的多体效应。我们还简要介绍了多体系统在量子电池和量子探针的发展中所发挥的作用。
2021-09-09 cond-mat.stat-mech quant-ph
Smooth input preparation for quantum and quantum-inspired machine learning
机器学习最近已经成为寻找潜在量子计算优势的富有成效的领域。许多量子增强机器学习算法关键在于有效地产生与存储在量子可访问存储器中的高维数据点成比例的状态的能力。即使给定对存储在数据库中的呈指数级的许多条目的查询访问,其构造被认为是一次性开销,也有人认为,准备这种振幅编码状态的成本可能抵消任何指数级的量子优势。在这里,我们证明使用平滑分析,如果数据分析算法是强大的小条目输入扰动,状态准备总是可以实现与不断的查询。在实际的机器学习应用中通常满足该标准,其中输入数据对中等噪声是主观的。我们的研究结果同样适用于最近的量子启发算法的开创性进展,特别构造的数据库足以在低秩的情况下的多对数经典算法。我们发现的结果是,对于实际的机器学习的目的,多对数处理时间是可能的,在一般和灵活的输入模型与量子算法或量子启发的经典算法在低秩的情况下。
2019-08-02 quant-ph stat.ML
Quantum thermal machine acting on a many-body quantum system: role of correlations in thermodynamic tasks
我们研究了三能级热机作用于多量子比特系统时的功能,整个系统被放置在电磁场中的静态热平衡配置。这种现实的设置介于迄今为止探索的单量子位和宏观物体目标的两种情况之间,提供了有关热力学背景下纯量子性质的系统尺寸缩放的信息。我们表明,由于场诱导的量子位之间存在鲁棒相关性,机器可以将热力学任务局部交付给每个量子位,也可以集体交付给多量子位系统:这使得任务也可以在比机器尺寸大得多的系统上交付。
2016-01-29 quant-ph
Feedback-based Quantum Algorithm Inspired by Counterdiabatic Driving
本研究结合量子李雅普诺夫控制与反绝热驱动思路,提出带额外控制场的改进型反馈量子算法,经模拟与IBM云平台验证,可加速量子态制备、降低线路深度,适用于多体系统与组合优化问题。
2024-10-09 quant-ph
Unleashed from Constrained Optimization: Quantum Computing for Quantum Chemistry Employing Generator Coordinate Inspired Method
本文提出一种基于生成坐标方法的自适应量子-经典策略,利用UCC激发生成器构建多体基组,绕过贫瘠高原问题,实现强关联量子化学体系的高效模拟。
2025-03-25 quant-ph
Machine learning via relativity-inspired quantum dynamics
我们提出了一种基于量子系统相对论动力学的机器学习方案,即谐振腔内的量子探测器。等效模拟模型可以例如在经受适当调制的驱动场的电路QED平台中实现。我们考虑一个嵌入在系统的调制(相当于相对论物体的加速度)和输出数据的测量可观测量的线性组合获得的输入数据计算方案。作为一个说明性的例子,我们已经模拟了这样一个相对论量子机的一个具有挑战性的分类任务,显示了一个非常大的相对论制度的准确性增强。使用核机器理论,我们表明,在相对论制度的任务无关的表现力显着放大相对于牛顿政权。
2022-05-16 cond-mat.other quant-ph
A new quantum machine learning algorithm: split hidden quantum Markov model inspired by quantum conditional master equation
该研究提出受量子条件主方程启发的分裂隐量子马尔可夫模型SHQMM及配套参数学习算法,在应用范围与鲁棒性上优于现有模型,还证实量子输运系统可作为HQMM的物理实现,为量子系统与时间序列分析提供新方法。
2024-10-31 quant-ph
Quantum-inspired annealers as Boltzmann generators for machine learning and statistical physics
Russian Quantum Center(俄罗斯量子中心);Moscow Institute of Physics and Technology(莫斯科物理技术学院);University of Oxford(牛津大学);P. N. Lebedev Physics Institute(P. N. 列别杰夫物理研究所)
如今,量子模拟器和处理器正在迅速改进,但它们仍然无法解决具有实用价值的复杂和多维任务。然而,某些数值算法的灵感来自真实的量子设备的物理证明是有效的应用到特定的问题,有关,例如,组合优化。在这里,我们实现了一个数值退火的基础上模拟相干伊辛机作为一种工具,从一个高维玻尔兹曼概率分布与经典伊辛哈密顿定义的能量泛函采样。由这样的生成器提供的样本然后被用于该分布的配分函数估计和用于一般玻尔兹曼机的训练。我们的研究为数值量子退火器的实际应用打开了一扇大门。
2019-12-18 cs.ET cs.LG quant-ph
Quantum coherence, many-body correlations, and non-thermal effects for autonomous thermal machines
量子热力学的主要目标之一是探索量子效应及其在热力学任务中的潜在有益作用,如功提取或制冷。到目前为止,尽管已有多篇论文表明量子效应确实可以带来量子优势,但仍然缺乏全面和深入的理解。在这里,我们扩展了以前的模型的自主机器,包括量子电池的任意系统的离散谱。我们建立他们的实际效率,这使我们能够推导出一个效率上限,称为最大可实现的效率,总是可以实现的,与以前的上限只基于第二定律。这种最大可实现效率可以简单地用量子电池的表观温度来表示。这个重要的结果似乎是一个强大的工具,可以理解如何利用量子特性,如相干性,以及多体相关性和非热粒子数分布来提高热机的效率。
2019-04-19 quant-ph
Protein Design by Integrating Machine Learning with Quantum Annealing and Quantum-inspired Optimization
本研究提出一种整合机器学习、量子启发式优化的通用蛋白质设计框架,通过迭代学习物理打分函数,在晶格蛋白模型验证中性能优于传统优化,可扩展至更多场景,为蛋白设计提供新范式。
2024-07-09 physics.bio-ph quant-ph
Tree tensor network classifiers for machine learning: from quantum-inspired to quantum-assisted
我们描述了一种量子辅助机器学习(QAML)方法,其中多变量数据被编码为Hilbert空间中的量子态,该空间的维度在数据向量的长度上是指数级的。通过应用具有树张量网络(TTN)拓扑的低深度量子线路来进行该空间中的学习,该拓扑充当无监督特征提取器,以数据驱动的方式识别最相关的量子态。这个无监督的特征提取器然后馈送有监督的线性分类器并将输出编码在小维度量子寄存器中。与以前的工作相比,\emph{quantum-inspired} TTN分类器,其中嵌入映射和类决策权重没有将数据映射到定义良好的量子态,我们提出了一种方法,可以实现基于门的量子计算设备。特别地,我们识别具有类似于指数机器(Novikov \emph{et al.},arXiv:1605.03795)的精度的嵌入映射,但是其从经典数据向量产生有效的量子态,并且利用基于流形的梯度优化方案来产生将量子态映射到定义类别判定的量子位寄存器的等距运算。我们详细的方法,有效地获得一个和两个点的关联函数的量子模型的决策边界向量,这可以用于模型的可解释性,以及从部分数据向量获得分类的方法。此外,我们表明,等距张量的使用可以显着帮助人类的可解释性的关联函数提取的决策权重,并可能产生的模型,是不太容易受到对抗性扰动。我们证明了我们的方法在应用程序中利用MNIST手写数字数据集和人类活动识别的多变量时间序列数据集。
2021-04-06 quant-ph
Quantum-Inspired Weight-Constrained Neural Network: Reducing Variable Numbers by 100x Compared to Standard Neural Networks
Clemson University(克莱姆森大学);Emory University(埃默里大学)
受量子启发的权重约束神经网络通过减少变量数量提升效率,增强对抗鲁棒性,适用于工业应用。
2026-02-19 quant-ph
Reinforcement Learning for Many-Body Ground-State Preparation Inspired by Counterdiabatic Driving
University of California, Berkeley(加州大学伯克利分校);Lawrence Berkeley National Laboratory(劳伦斯伯克利国家实验室);St. Kliment Ohridski University of Sofia(圣基里尔·奥赫里德斯基索菲亚大学)
量子交替算子(QAOA)是变分量子算法的一个突出例子。我们提出了一个广义QAOA称为CD-QAOA,这是受反绝热驱动程序的启发,设计用于量子多体系统和优化使用强化学习(RL)的方法。由此产生的混合控制算法被证明是通用的制备基态的量子混沌多体自旋链通过最小化的能量。我们表明,使用条款发生在绝热规范位作为发电机的额外的控制酉,它是可能的,以实现快速高保真多体控制远离绝热制度。虽然每个酉保持传统的QAOA固有的连续控制的自由度,如持续时间,我们认为多个可用酉出现在控制序列中的顺序作为一个额外的离散优化问题。赋予策略梯度算法自回归深度学习架构来捕获因果关系,我们训练RL代理来构建酉的最佳序列。该算法没有访问量子态,我们发现,在小系统上学习的协议可以推广到更大的系统。通过扫描一系列的协议持续时间,我们提出了一个有限的量子速度限制在不可积的混合场自旋1/2伊辛和Lipkin-Meshkov-Glick模型的数值证据,并为适合准备基态的自旋1海森堡链在远程和拓扑有序的参数制度。这项工作为将深度学习最近的成功用于量子多体控制铺平了道路。
2021-10-03 cond-mat.quant-gas cs.LG physics.comp-ph
Quantum processor-inspired machine learning in the biomedical sciences
高通量基因组技术的最新进展,加上计算机处理和内存的指数增长,使我们能够从全基因组的角度来询问人类疾病的复杂异常分子基础。虽然基因组信息的洪流预计将增加,但传统高性能计算的瓶颈正在迅速逼近。部分受到物理量子处理器最新进展的启发,我们在实际的人类肿瘤数据上评估了几种非传统的机器学习(ML)策略。在这里,我们首次展示了基于多退火的ML算法对来自癌症基因组图谱的高维、多组学人类癌症数据进行分类的有效性。为了评估算法性能,我们将这些分类器与各种标准ML方法进行了比较。我们的研究结果表明,使用基于退火的ML来提供人类癌症类型和相关分子亚型的竞争性分类以及较小训练数据集的卓越性能的可行性,从而为非常规计算架构在生物医学科学中的潜在未来应用提供了令人信服的经验证据。
2021-04-29 q-bio.GN quant-ph
Machine Learning Bell Nonlocality in Quantum Many-body Systems
机器学习是人工智能和大数据科学的核心,是当今发展最快的跨学科领域之一。最近,它的工具和技术已被用于解决复杂的量子多体问题。在这项工作中,我们将机器学习技术引入多体系统中量子非定域性的检测,重点是限制玻尔兹曼机(RBM)架构。使用强化学习,我们证明了RBM是能够找到最大的量子违反的多体贝尔不等式与给定的测量设置。我们的研究结果在基于计算机科学的机器学习和量子多体非定域性之间建立了一座新的桥梁,这将有利于这两个领域的未来研究。
2017-10-11 cond-mat.dis-nn cond-mat.quant-gas quant-ph
Many-body calculations for periodic materials via quantum machine learning
提出基于第一性原理构建有效模型的量子机器学习工作流,用于周期性系统多体问题计算,在石墨烯Hubbard模型基准中特征值与精确对角化结果在几meV内吻合,展现了快速准确求解的潜力。
2019-11-23 physics.comp-ph quant-ph
Quantum Inspired Encoding Strategies for Machine Learning Models: Proposing and Evaluating Instance Level, Global Discrete, and Class Conditional Representations
本文提出并比较三种量子启发数据编码策略(ILS、GDS、CCVS),在纯经典机器学习模型中降低编码时间并保持编码正确性,通过分类任务评估其效率、准确率与计算成本,为优化经典机器学习中的量子启发数据转换提供指导。
2025-06-15 cs.AI cs.LG quant-ph
Quantum-Inspired Machine Learning: a Survey
University of Western Australia(西澳大学);CSIRO’s Data61(澳大利亚联邦科学与工业研究组织Data61)
本综述全面探讨了量子启发的机器学习(QiML)领域,涵盖张量网络模拟和去量子化算法等研究域,明确了QiML定义,并展示了最新进展与未来方向。
2023-09-08 cs.LG quant-ph
A Novel Stochastic LSTM Model Inspired by Quantum Machine Learning
University of South Carolina(南卡罗来纳大学)
本文提出一种受变分量子LSTM启发的随机方法,通过对比经典、随机与量子模型的性能,验证在经典机器上引入随机性以获得QML性能与快速收敛优势的可行性。
2023-05-17 cs.ET cs.LG quant-ph
Quantum-inspired search method for low-energy states of classical Ising Hamiltonians
我们开发了一个量子启发的数值方法来搜索由两体完全连接的随机伊辛相互作用和随机局部纵向磁场组成的经典哈密顿量的低能态。在该方法中,我们引入与原伊辛哈密顿量不对易的无穷小量子相互作用,并受Krylov子空间方法的启发,反复生成和截断直积态,得到原经典伊辛哈密顿量的低能态.计算成本由无穷小量子相互作用的形式控制(例如,单体或两体相互作用)和引入的无穷小相互作用项的数目、考虑的不同初始状态以及在迭代期间保持的低能状态。为了证明该方法,我们在随机伊辛哈密顿量中引入了作用于不同格点的Pauli $X$算符和在格点的Pauli $X$算符的无穷小量子相互作用对乘积,其数值代价为每次迭代的$O(N^3)$,系统大小为$N$ .我们考虑120个实例的随机耦合实现的随机伊辛哈密顿与$N$高达600和搜索的120个最低能量的状态为每个实例。我们发现,这里提出的量子启发的方法,并行化在不同的初始状态,搜索随机伊辛哈密顿尺度的基态近似为$N^5$为$N$高达600的时间到解决方案。我们还研究了基本的物理性质,如整体平均的基态和第一激发能量和整体平均的状态数在低能区的随机伊辛哈密顿量。
2021-08-24 cond-mat.stat-mech quant-ph
Operator Commutativity Screening and Progressive Operator Block Reordering toward Many-body Inspired Quantum State Preparation
Indian Institute of Technology Bombay(印度理工学院孟买分校);ETH Zürich(苏黎世联邦理工学院)
针对VQE拟设设计难题,提出通过交换性筛选和渐进式算符块重排的动态构建策略,以更少参数实现精确能量并绕过局部陷阱,在强关联体系成功再现基态。
2025-10-17 physics.chem-ph quant-ph
Renormalization-Inspired Effective Field Neural Networks for Scalable Modeling of Classical and Quantum Many-Body Systems
Department of Physics, Hong Kong University of Science and Technology(香港科技大学物理系);Department of Physics and Astronomy, University of Tennessee, Knoxville, TN 37996, USA(田纳西大学 Knoxville 分校物理与天文学系);Min H. Kao Department of Electrical Engineering and Computer Science, University of Tennessee, Knoxville, Tennessee 37996, USA(田纳西大学 Knoxville 分校 Min H. Kao 电子工程与计算机科学系)
本文提出EFNN,一种基于连续函数的新型架构,通过神经网络直接实现重整化中的连续函数,有效建模多体相互作用,在多个系统中优于传统深度网络,展现出良好的泛化能力。
2026-03-18 cond-mat.str-el cs.AI physics.comp-ph
Towards a quantum-inspired proof for IP = PSPACE
我们探索量子启发的交互式证明系统的证明是有限的。也就是说,我们通过[AG 17]改进了一个结果,该结果显示了一个用于$\sf PreciseBQP$的量子启发交互协议($\sf IP$),其中证明者仅被假设为$\sf PreciseBQP$机器,并表明该结果可以被加强以显示一个用于$\sf NP^{PP}$的$\sf IP$,其中证明者仅被假设为$\sf NP^{PP}$机器-这是以前未知的。我们还展示了该协议如何用于直接验证$\sf QMA$计算,从而将[AAV 13]的和检查协议与[AG 17,LFKN 90]的结果连接起来。我们的研究结果揭示了量子启发的${\sf IP} = {\sf PSPACE}$的证明,因为$\sf PreciseQMA$捕获了全部的$\sf PSPACE$功率。
2021-11-05 cs.CC 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
Variational decision diagrams for quantum-inspired machine learning applications
D-Wave Systems(D-Wave系统);Zapata Computing Inc.(Zapata计算公司);Grupo de Superconductividad y Nanotecnología, Departamento de Física, Universidad Nacional de Colombia(超导与纳米技术小组,物理系,哥伦比亚国家大学)
本文提出变分决策图,结合决策图结构优势与变分方法适应性,用于高效表示量子态,解决Ising和Heisenberg哈密顿量的基态估计问题,证明训练可行性。
2026-01-07 cs.LG quant-ph
Quantum-Inspired Support Vector Machine
University of Science and Technology of China(中国科学技术大学);CAS Centre for Excellence and Synergetic Innovation Centre in Quantum Information and Quantum Physics(中国科学院量子信息与量子科技创新卓越中心);University of Oxford(牛津大学);Hefei National Laboratory for Physical Sciences at Microscale(合肥微尺度物质科学国家实验室)
支持向量机(Support Vector Machine,SVM)是一种功能强大且灵活的监督学习模型,它可以对数据进行分类和回归分析,通常的算法复杂度与数据空间的维数和数据点的数量呈多项式关系。为了解决大数据问题,提出了一种量子支持向量机算法,该算法能够实现最小二乘支持向量机(LS-SVM)的指数加速比。在这里,受量子SVM算法的启发,我们提出了一个量子启发的经典算法LS-SVM。在我们的方法中,一种改进的快速采样技术,即间接采样,提出了采样的核矩阵和分类。我们首先考虑线性核的LS-SVM,然后讨论我们的方法推广到非线性核。理论分析表明,对于低秩、低条件数和高维数据矩阵,该算法可以在数据空间维数和数据点数均为对数的运行时间内以任意的成功概率进行分类,与量子SVM的运行时间相匹配。
2021-03-16 cs.CC cs.LG quant-ph
Boltzmann machines and quantum many-body problems
本文综述了利用玻尔兹曼机嵌入量子纠缠以分析量子多体问题的方法,概述了该领域的近期进展与应用。
2023-11-01 cond-mat.dis-nn cond-mat.str-el physics.comp-ph
Machine learning technique to find quantum many-body ground states of bosons on a lattice
本文发展了一种利用前向人工神经网络求解玻色-哈伯德模型多体基态的变分方法。具有单个隐藏层的全连接网络比具有多个隐藏层的全连接网络更好,多层卷积网络比全连接网络更有效。AdaGrad和Adam是运行良好的优化方法。此外,我们还证明了具有不同原子数的多体基态可以由单个网络产生。
2017-09-16 cond-mat.dis-nn cond-mat.quant-gas quant-ph
Hybrid between biologically and quantum-inspired many-body states
Université Grenoble Alpes, CEA, Grenoble INP, IRIG, Pheliqs(格勒诺布尔阿尔卑斯大学、法国原子能和替代能源委员会、格勒诺布尔理工学院、IRIG、Pheliqs)
本文提出一种结合生物和量子启发方法的多体态变分模型,通过神经网络和张量网络结合,实现高效优化和压缩,用于求解量子各向异性异斯模型,展现高精度能量计算。
2026-04-21 cond-mat.dis-nn cond-mat.quant-gas cond-mat.str-el
Noise-strength-adapted approximate quantum codes inspired by machine learning
本研究借助混合量子-经典机器学习发现两种具备噪声强度自适应特性的新型4量子比特振幅阻尼码,性能优于传统码,并推广至任意规模码族及二项式码变体,证明噪声强度适配可提升纠错能力。
2025-03-25 physics.comp-ph quant-ph
Tensor networks for interpretable and efficient quantum-inspired machine learning
Capital Normal University(首都师范大学);University of Chinese Academy of Sciences(中国科学院大学)
本文回顾了基于张量网络的机器学习进展,指出其结合量子信息理论与多体物理计算技术,能同时实现高可解释性与高效率,并有望推动未来量子人工智能的发展。
2023-11-19 cs.AI cs.LG quant-ph
Quantum-inspired tensor networks in machine learning models
Vicomtech Foundation, Basque Research and Technology Alliance (BRTA)(维科姆科技基金会,巴斯克研究与技术联盟(BRTA));University of Deusto(德乌斯大学);Escuela Técnica Superior de Ingeniería de Sistemas Informáticos, Universidad Politécnica de Madrid(马德里理工大学信息系统工程学院);Department of Applied Physics, University of Geneva(日内瓦大学应用物理系)
本文探讨了张量网络在机器学习中的应用,分析了其作为替代学习架构和神经网络组件分解的潜力,以及在计算效率、可解释性和隐私方面的优势与挑战。
2026-04-15 cs.AI cs.LG quant-ph
Polynomial unconstrained binary optimisation inspired by optical simulation
我们提出了一个受光相干伊辛机启发的算法来解决多项式无约束二进制优化问题。我们对现有的PUBO算法的扩展谢灵顿-柯克帕特里克模型和随机三次多项式伪布尔函数的基准测试,并观察其优越的性能。我们还解决了实际相关的计算问题,如蛋白质折叠和电子结构计算的情况下,现有的量子退火设备无法访问的问题大小。我们的算法的应用蛋白质折叠和量子化学问题揭示了近似的电子结构问题的PUBO问题,这反过来又提出了问题的适用性的无约束的二进制优化配方,如量子退火机和相干伊辛机,在这种情况下的缺点。
2022-09-11 nlin.CD quant-ph
Machine Learning Assisted Many-Body Entanglement Measurement
纠缠不仅在量子技术中起着至关重要的作用,而且是我们理解多体系统中量子相关性的关键。然而,在实验中,测量一般混合态中纠缠的唯一方法是通过重建量子断层扫描,这需要在系统大小上进行指数数量的测量。在这里,我们提出了一个机器学习辅助计划来测量任意子系统的大小$N_A$和$N_B$之间的纠缠,与$\mathcal{O}(N_A + N_B)$测量,没有任何先验知识的状态。该方法利用神经网络来学习与某些可测量矩和对数负性相关的未知非线性函数。我们的程序将允许在各种各样的系统,包括强烈相互作用的许多身体系统在平衡和非平衡制度的纠缠测量。
2018-10-15 cond-mat.str-el physics.atom-ph quant-ph
NetKet: A Machine Learning Toolkit for Many-Body Quantum Systems
我们介绍NetKet,这是一个全面的开源框架,用于使用机器学习技术研究多体量子系统。该框架是建立在神经网络量子态的一般和灵活的实现,这是作为一个变分的量子波函数。NetKet为量子多体物理和量子技术中的几个关键任务提供算法,即量子态层析成像、从波函数数据进行监督学习以及基态搜索各种可定制的晶格模型。我们的目标是为开放式研究提供一个通用平台,并在机器学习和多体物理学的接口上促进计算方法的协作开发。
2019-03-29 cond-mat.dis-nn cond-mat.str-el physics.comp-ph
Dynamic Synaptic Modulation of LMG Qubits populations in a Bio-Inspired Quantum Brain
Universidad de Granada(格拉纳达大学)
本文提出了一种生物启发的量子神经网络,利用LMG量子哈密顿量和突触反馈机制,实现神经元群体的稳态控制与节律生成。
2026-08-04 physics.comp-ph quant-ph
Quantum-inspired Machine Learning on high-energy physics data
Tensor Solutions(张量解决方案公司);Institute for Complex Quantum Systems, University of Ulm(乌尔姆大学复杂量子系统研究所);Università di Padova(帕多瓦大学);INFN(意大利国家核物理研究所);Universität des Saarlandes(萨尔大学);Padua Quantum Technologies Research Center, Università degli Studi di Padova(帕多瓦大学帕多瓦量子技术研究中心)
张量网络是一种最初设计用于模拟量子多体系统的数值工具,最近已被应用于解决机器学习问题。利用树张量网络,我们将量子启发的机器学习技术应用于高能物理中一个非常重要且具有挑战性的大数据问题:CERN大型强子对撞机产生的数据的分析和分类。特别是,我们提出了如何有效地分类所谓的b-射流,射流起源于b-夸克从质子-质子碰撞的LHCb实验,以及如何解释分类结果。我们利用张量网络方法来选择重要的特征,并根据学习过程中获得的信息调整网络几何形状。最后,我们展示了如何调整树张量网络以及时实现最佳精度或快速响应,而无需重复学习过程。这些结果为高频实时应用的实施铺平了道路,这是当前和未来LHCb事件分类所需的关键因素,能够在数十MHz尺度上触发事件。
2021-07-09 cond-mat.stat-mech cs.LG hep-ex
Parametrized Complexity of Quantum Inspired Algorithms
受量子技术,特别是量子软件的最新进展的推动,研究和工业界一直在努力发现量子算法的新应用,如量子优化和机器学习。无论这些新算法在哪个硬件平台上运行,无论是绝热的还是基于门的,从理论的角度来看,它们的性能都大大优于经典算法。量子算法的两个有前途的领域量子机器学习和量子优化。这些都是基于使用量子态和操作来执行矩阵运算,以便加速数据分析,其中量子计算可以有效地处理高维向量。受此启发,量子启发算法(例如,用于推荐系统和主成分分析)被开发为使用受量子计算启发的概率技术来处理高维。本文综述了低秩矩阵逼近的量子启发算法领域的最新进展。我们进一步探讨了使用参数化的复杂性,这样的算法,以完善实际的复杂性分析的可能性。最后,我们推测,量子启发的算法,使用低秩近似,也采样和查询技术的输入表示是固定参数可处理的(FPT)。
2021-12-22 cs.DS quant-ph
Quantum-inspired Ising machine using sparsified spin connectivity
Tokyo University of Agriculture and Technology(东京农工大学)
提出基于数字逻辑的提取型多数投票逻辑算法,通过稀疏化自旋连接高效搜索基态,在SK模型上求解规模达1600自旋,性能优于模拟退火,并改进了其温度调度。
2026-06-17 cs.ET quant-ph
Universal finite-time thermodynamics of many-body quantum machines from Kibble-Zurek scaling
通过考虑多体量子奥托循环,我们证明了量子机器有限时间热力学中普遍特征的存在,在该循环中,工作介质在幺正冲程期间被驱动越过量子临界点.具体来说,我们考虑一个由耗散能量和放松浴驱动的量子引擎。我们表明,在非常一般的条件下,输出工作是由Kibble-Zurek机制,即,它表现出一个通用的幂律缩放与驱动速度通过临界点。我们还优化了有限时间热力学作为驱动速度的函数。最大功率和相应的效率采取普遍的形式,并达到由临界指数控制的最佳速度。考虑横场伊辛自旋链作为工作介质,我们改进了我们的结果。对于这个模型,我们还展示了效率和功率如何随着发动机变得至关重要而变化。
2020-11-19 cond-mat.stat-mech quant-ph
Quantum-inspired activation functions and quantum Chebyshev-polynomial network
本文研究量子启发激活函数在神经网络中的作用,提出混合量子切比雪夫多项式网络QCPN,证明三层QCPN可逼近任意连续函数,并展示其在减少训练步数和模型深度方面的优势。
2024-10-23 math-ph math.MP physics.comp-ph
Multi-Excitation Projective Simulation with a Many-Body Physics Inspired Inductive Bias
University of Innsbruck, Institute for Theoretical Physics(因斯布鲁克大学理论物理研究所)
本文提出多激发投影模拟(mePS)方法,通过受多体物理启发的归纳偏置解决超图建模中的指数复杂性问题,并在多个场景中验证了其资源节省和可解释性优势。
2026-02-04 cs.AI cs.DM cs.LG
Scientific intuition inspired by machine learning generated hypotheses
University of Toronto(多伦多大学);Karlsruhe Institute of Technology(卡尔斯鲁厄理工学院);Vector Institute for Artificial Intelligence(矢量人工智能研究所);National Research Council of Canada(加拿大国家研究委员会);Canadian Institute for Advanced Research (CIFAR)(加拿大高等研究院)
应用于物理科学问题的机器学习已成为一种广泛使用的工具,成功应用于许多领域的分类、回归和优化任务。研究重点主要在于提高机器学习模型在数值预测中的准确性,而科学理解仍然几乎完全由人类研究人员分析数值结果并得出结论。在这项工作中,我们将重点转移到由机器学习模型本身获得的见解和知识上。特别是,我们研究如何提取和使用它来激励人类科学家增加他们的直觉和对自然系统的理解。我们在决策树中应用梯度提升,从化学和物理的大数据集中提取人类可解释的见解。在化学中,我们不仅重新发现了广为人知的经验法则,而且还发现了新的有趣的图案,告诉我们如何控制有机分子的溶解度和能级。同时,在量子物理学中,我们对量子纠缠的实验也有了新的认识。超越数字并进入科学洞察力和假设生成领域的能力为使用机器学习加速在一些最具挑战性的科学领域中发现概念理解打开了大门。
2020-12-14 cs.AI cs.CE cs.LG
An Exponential Separation Between Quantum and Quantum-Inspired Classical Algorithms for Linear Systems
Kvantify;Aarhus University(奥胡斯大学)
本文首次证明了在输入矩阵良好条件且具有稀疏行和列时,量子与量子启发经典算法在解线性系统问题上的指数分离。
2025-12-02 cs.CC cs.DS cs.LG
Smart Machine Learning for Solving the Full Electron-Nuclear Schrödinger Equation with a Quantum-Chemically Inspired Wavefunction Ansatz
University of New Mexico(新墨西哥大学);University of Science and Technology of China(中国科学技术大学)
本文提出一种量子化学启发的神经网络波函数拟设,结合变分蒙特卡洛与局域能量约束的混合优化,在统一框架Schrödinger中一次训练即可准确求解电子-核薛定谔方程,获得全局势能面并捕捉超越玻恩-奥本海默近似的量子效应。
2026-10-01 physics.chem-ph physics.comp-ph quant-ph
Transfer learning from Hermitian to non-Hermitian quantum many-body physics
本文提出利用仅基于厄米关联函数训练的机器学习方法,无需额外训练即可识别非厄米相互作用模型的相边界,确立了迁移学习作为从厄米物理到非厄米现象学习的通用策略。
2023-09-12 cond-mat.str-el cond-mat.supr-con quant-ph
Neural networks in quantum many-body physics: a hands-on tutorial
在过去的几年里,机器学习已经成为一种强大的计算工具,可以解决广泛的科学学科中的复杂问题。特别是,人工神经网络已经成功地用于减轻量子多体物理学中经常遇到的指数复杂性,量子多体物理学研究由大量相互作用的粒子构建的量子系统的性质。在这篇文章中,我们概述了机器学习在凝聚态物理和量子信息中的一些应用,特别强调了实践教程,作为该领域新手的快速入门。我们提出了监督机器学习与卷积神经网络学习相变,无监督学习与限制玻尔兹曼机进行量子断层扫描,和变分蒙特卡罗与循环神经网络近似的基态的多体哈密顿。我们简要地回顾了每个算法的关键成分和相应的神经网络实现,并显示在两个维度的相互作用的里德伯原子系统的数值实验。
2021-01-26 cond-mat.dis-nn cond-mat.quant-gas cond-mat.str-el