arXivDaily arXiv每日学术速递 周一至周五更新
arXiv周末暂无论文更新，休息一下吧，周末愉快~~
arXiv 2407.02569quant-ph
收藏

变分量子算法在二次无约束二元优化问题中的预热启动

Warm Start of Variational Quantum Algorithms for Quadratic Unconstrained Binary Optimization Problems

Deutsches Elektronen-Synchrotron DESY（德国电子同步加速器）；Computation-Based Science and Technology Research Center, The Cyprus Institute（塞浦路斯研究所计算科学与技术研究中心）；Institut für Physik, Humboldt-Universität zu Berlin（柏林洪堡大学物理研究所）；Institute for Quantum Computing Analytics (PGI-12) Jülich Research Center（于利希研究中心量子计算分析研究所）

Yahui Chai, Karl Jansen, Stefan Kühn, Tim Schwägerl, Tobias Stollenwerk

发表信息：
EPJ Quantum Technology (2025)
阅读 PDF
arXiv 页面 ↗HTML 原文 ↗

AI总结：

本文提出了一种基于虚时间演化的预热方法，用于提升变分量子算法在二次无约束二元优化问题中的性能，通过优化初始参数减少迭代次数并提高成功率。

摘要：

变分量子特征值求解器（VQE）在近似硬件中被广泛应用。然而，其性能仍然受到训练能力差和对随机参数初始化的依赖的限制。在本工作中，我们提出了一种受虚时间演化的启发的预热方法，允许以一种资源有效的方式确定初始参数，优先考虑低能量状态。通过经典模拟，我们证明了这种预热方法显著提高了成功率，并减少了VQE收敛所需的迭代次数。数值结果还表明，预热方法有效减轻了有限测量次数引起的统计误差，并在一定程度上缓解了 barren plateaus 的影响。

英文摘要：

Variational Quantum Eigensolver (VQE) is widely used in near-term hardware. However, their performances remain limited by the poor trainability and are dependent on random parameter initialization. In this work, we propose a warm start method inspired by imaginary time evolution, allowing for determining initial parameters that prioritize lower energy states in a resource-efficient way. Using classical simulations, we demonstrate that this warm start method significantly improves the success rate and reduces the number of iterations required for the convergence of VQE. The numerical results also indicate that the warm start approach effectively mitigates statistical errors arising from a finite number of measurements, and to a certain extent alleviates the effect of barren plateaus.

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

↑